MétaCan
Menu
Retour à la cohorte
Enregistrement W2980570112 · doi:10.1093/forestry/cpz051

Growth and survival dynamics of partially cut northern hardwood stands as affected by precut competition and spatial distribution of residual trees

2019· article· en· W2980570112 sur OpenAlexafffund
Guillaume Moreau, Alexis Achim, David Pothier

Notice bibliographique

RevueForestry An International Journal of Forest Research · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensUniversité Laval
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of Canada
Mots-clésResidualSpatial distributionSkid (aerodynamics)Competition (biology)Basal areaHardwoodEcologyForestryBiologyMathematicsStatisticsGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Modelling growth and survival dynamics after partial harvesting must take account of the heterogeneous spatial pattern of residual trees that results from the presence of machinery trails. We used data from 23 permanent sample plots in northern hardwood stands to reconstruct the growing environment of individual trees before and after partial harvesting. We modelled harvest probability, growth response and survival probability using a complementary set of explanatory variables that was assembled to reflect the spatial distribution of trees and skid trails prior to and after harvest. Results showed that the distribution of harvested trees was concentrated in skid trails and in their close vicinity. However, this spatial pattern had no significant effect on either the post-cut basal area increment (BAI) or the survival of residual trees. BAI and survival of individual trees were both mostly related to the competitive environment prior to harvest, while post-cut changes in competitive environment had only a marginal effect on growth and survival dynamics. We conclude that selection cuts did not substantially increase the growth and survival of residual trees, likely because tree removal was mostly concentrated near skid trails, where the negative effects of machinery access were highest.

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)0,001
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 enseignants0,006
Score d'incertitude au seuil0,460

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
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 Opus0,013
Tête enseignante GPT0,298
Écart entre enseignants0,285 · 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

Citations8
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueForestry An International Journal of Forest ResearchMême sujetForest Management and PolicyTravaux en français237 207