MétaCan
Menu
Retour à la cohorte
Enregistrement W2977750955 · doi:10.5558/tfc2019-020

Early response of understory vegetation to wood ash fertilization in the sub boreal climatic zone of British Columbia

2019· article· en· W2977750955 sur OpenAlexafffundvenueabout
Saskia C. Hart, Hugues B. Massicotte, P. Michael Rutherford, Bruce J. Rogers

Notice bibliographique

RevueThe Forestry Chronicle · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensMinistry of ForestsLaurentian UniversityUniversity of Northern British Columbia
Organismes subventionnairesUniversity of Northern British ColumbiaNatural Sciences and Engineering Research Council of CanadaMcGill University
Mots-clésUnderstoryWood ashEnvironmental scienceAgronomyVegetation (pathology)NitrogenFraxinusAmendmentNutrientBotanyChemistryEcologyBiologyCanopy

Résumé

récupéré en direct d'OpenAlex

Wood ash can be used as a soil amendment in forest ecosystems to alleviate nutrient loss, ameliorate soil acidity, increase tree growth, and reduce landfilled waste. Two hybrid spruce (Picea glauca X engelmannii) plantations in interior British Columbia were treated with two types of bioenergy-produced wood ash (high carbon boiler ash and low carbon gasifier ash) with or without nitrogen fertilizer in a two-way factorial block design. Ash and nitrogen treatments were applied to 8.0 m radius plots at a rate of 5000 kg ha-1 loose ash (dry basis), and 100 kg N ha-1 of urea in pellet form. Changes in understory vegetation cover were observed. There was a significant (p<0.05) effect of nitrogen and wood ash plus nitrogen application on understory vegetation community composition, with nitrogen application having the greatest effect. Discriminant function analysis indicated a differential response of species group to ash/ nitrogen treatments, though the effect size was small. We conclude that short-term changes to understory vegetation are minimal when these two ashes were applied at a rate of 5000 kg ha-1. Continued monitoring will determine if any long-term effects become apparent with time.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,257
Score d'incertitude au seuil0,518

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,006
Tête enseignante GPT0,203
Écart entre enseignants0,196 · 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 source (Gemma direct ou Codex distillé), 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

Citations9
Publié2019
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetFire effects on ecosystemsTravaux en français237 207