MétaCan
Menu
Retour à la cohorte
Enregistrement W2917951321 · doi:10.3390/f10030212

Contrasting Differences in Responses of Streamflow Regimes between Reforestation and Fruit Tree Planting in a Subtropical Watershed of China

2019· article· en· W2917951321 sur OpenAlexaff
Zhipeng Xu, Wenfei Liu, Xiaohua Wei, Houbao Fan, Yizao Ge, Guanpeng Chen, Jin Xu

Notice bibliographique

RevueForests · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesEducation Department of Jiangxi ProvinceNational Natural Science Foundation of China
Mots-clésReforestationSowingTree plantingAfforestationWatershedSubtropicsAgroforestryEnvironmental scienceGeographyAgronomyBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Fruit tree planting is a common practice for alleviating poverty and restoring degraded environment in developing countries. Yet, its environmental effects are rarely assessed. The Jiujushui watershed (261.4 km2), located in the subtropical Jiangxi Province of China, was selected to assess responses of several flow regime components on both reforestation and fruit tree planting. Three periods of forest changes, including a reference (1961 to 1985), reforestation (1986 to 2000) and fruit tree planting (2001 to 2016) were identified for assessment. Results suggest that the reforestation significantly decreased the average magnitude of high flow by 8.78%, and shortened high flow duration by 2.2 days compared with the reference. In contrast, fruit tree planting significantly increased the average magnitude of high flow by 27.43%. For low flows, reforestation significantly increased the average magnitude by 46.38%, and shortened low flow duration by 8.8 days, while the fruit tree planting had no significant impact on any flow regime components of low flows. We conclude that reforestation had positive impacts on high and low flows, while to our surprise, fruit tree planting had negative effects on high flows, suggesting that large areas of fruit tree planting may potentially become an important driver for some negative hydrological effects in our study area.

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: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,248

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,012
Tête enseignante GPT0,225
Écart entre enseignants0,212 · 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

Citations10
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetHydrology and Watershed Management StudiesTravaux en français237 207