Partitioning and predicting forage biomass from total aboveground biomass of regenerating tree species using dimensional analyses
Notice bibliographique
Résumé
Foresters and wildlife biologists use biomass estimates as proxies of habitat structure, productivity, and carrying capacity. Determining biomass, however, is challenging without destructive harvests. We provide a dimensional analysis approach to partition browse biomass (BB) from total aboveground biomass (AGB) of six regenerating hardwoods in the Allegheny forests of Pennsylvania, USA. First, we determined the average diameter of browsed twigs for each species. Then, we created a subset of potential browsable twig and foliage biomass from total AGB in 439 individuals harvested within paired exclosure (fenced) and control (unfenced) plots at 15 sites. We fit species-specific allometric equations to estimate BB and AGB using basal diameter and height as predictors and tested the effects of fencing. Although overall stem height and BB were greater within exclosures, fencing did not significantly affect relationships between either predictor and BB or AGB, thereby enabling general and robust (R2 ≥ 0.80) equations for most species. Our work provides biomass equations for regionally dominant species and size classes that are underrepresented in the literature, yet critical to forest renewal and wildlife. Moreover, by sampling variable sites and levels of browse pressure, reported equations lessen site-specific biases. Finally, our methodology provides a template to generate forage biomass prediction equations for other plant and ungulate species.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».