MétaCan
Menu
Retour à la cohorte
Enregistrement W2890591505 · doi:10.3390/f9090569

Developing Allometric Equations for Estimating Shrub Biomass in a Boreal Fen

2018· article· en· W2890591505 sur OpenAlexafffund
Annie He, Gregory J. McDermid, Mir Mustafizur Rahman, Maria Strack, Saraswati Saraswati, Bin Xu

Notice bibliographique

RevueForests · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensNorthern Alberta Institute of TechnologyUniversity of WaterlooUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaEmissions Reduction AlbertaCanadian Natural Resources LimitedShell CanadaUniversity of Calgary
Mots-clésTree allometryAllometryBiomass (ecology)BiologyBorealShrubEcologyBotanyTaiga

Résumé

récupéré en direct d'OpenAlex

Allometric equations for estimating aboveground biomass (AGB) from easily measured plant attributes are unavailable for most species common to mid-continental boreal peatlands, where shrubs comprise a large component of the vegetation community. Our study develops allometric equations for three dominant genera found in boreal fens: Alnus spp. (alder), Salix spp. (willow) and Betula pumila (bog birch). Two different types of local equations were developed: (1) individual equations based on genus/phylogeny, and (2) a general equation that pooled all individuals regardless of genera. The general equation had a R2 = 0.97 (n = 82), and was not significantly different (p > 0.05) than any of the phylogenetic equations. This indicated that a single generalized equation is sufficient in estimating AGB for all three genera occurring in our study area. A closer look at the performance of the general equation revealed that smaller stems were predicted less accurately than larger stems because of the higher variability of leafy biomass found in small individuals. Previously published equations developed in other ecoregions did not perform as well as our local equations.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,446
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,030
Tête enseignante GPT0,292
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetForest ecology and managementTravaux en français237 207