MétaCan
Menu
Retour à la cohorte
Enregistrement W2990777673 · doi:10.3402/tellusb.v62i5.16588

Net ecosystem productivity of temperate and boreal forests after clearcutting–a Fluxnet-Canada measurement and modelling synthesis

2010· article· en· W2990777673 sur OpenAlexaffabout
R. F. Grant, A. G. Barr, T. A. Black, Hank A. Margolis, J. H. McCaughey, J. A. Trofymow

Notice bibliographique

RevueTellus B · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePlant Water Relations and Carbon Dynamics
Établissements canadiensUniversité LavalCanadian Forest ServiceQueen's UniversityUniversity of British ColumbiaUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésClearcuttingFluxNetTaigaTemperate rainforestEnvironmental scienceBorealBoreal ecosystemTemperate climateProductivityEcosystemPrimary productionTemperate forestForest ecologyAgroforestryEcologyForestryGeographyEddy covariance

Résumé

récupéré en direct d'OpenAlex

Clearcutting strongly affects subsequent forest net ecosystem productivity (NEP). Hypotheses for ecological controls on NEP in the ecosystem model ecosys were tested with CO 2 fluxes measured by eddy covariance (EC) in three post-clearcut conifer chronosequences in different ecological zones across Canada. In the model, microbial colonization of postharvest fine and woody debris drove heterotrophic respiration ( R h ), and hence decomposition, microbial growth, N mineralization and asymbiotic N 2 fixation. These processes controlled root N uptake, and thereby CO 2 fixation in regrowing vegetation. Interactions among soil and plant processes allowed the model to simulate hourly CO 2 fluxes and annual NEP within the uncertainty of EC measurements from 2003 to 2007 over forest stands from 1 to 80 yr of age in all three chronosequences without site- or species-specific parameterization. The model was then used to study the impacts of increasing harvest removals on subsequent C stocks at one of the chronosequence sites. Model results indicated that increasing harvest removals would hasten recovery of NEP during the first 30 yr after clearcutting, but would reduce ecosystem C stocks by about 15% of the increased removals at the end of an 80-yr harvest cycle. DOI: 10.1111/j.1600-0889.2010.00500.x

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,632
Score d'incertitude au seuil0,959

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 Opus0,008
Tête enseignante GPT0,161
Écart entre enseignants0,153 · 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

Citations1
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTellus BMême sujetPlant Water Relations and Carbon DynamicsTravaux en français237 207