MétaCan
Menu
Retour à la cohorte
Enregistrement W3016862870 · doi:10.1139/cjfr-2019-0431

Continuous-cover management and attractiveness of managed Scots pine forests

2020· article· en· W3016862870 sur OpenAlexvenueno aff
Matti Koivula, Harri Silvennoinen, Hanna Koivula, Jukka Tikkanen, Liisa Tyrväinen

Notice bibliographique

RevueCanadian Journal of Forest Research · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAttractivenessScots pineRecreationForest managementLoggingForestryGeographyTaigaForest ecologyAgroforestryEcosystemEnvironmental scienceEcologyPinus <genus>PsychologyBiology

Résumé

récupéré en direct d'OpenAlex

Forest management, characterized in many northern countries by the predominance of clear cutting and growing even-aged and -sized trees, has simplified the structure of boreal forests. Consequences include alterations in cultural ecosystem services such as forest attractiveness, i.e., combined aesthetic and recreational values. Continuous-cover forestry might mitigate these effects through the use of selection and gap cutting, but these methods have been little studied, particularly from the attractiveness viewpoint. We used photo surveys to assess Finnish citizens’ perceptions of attractiveness of in-stand scenery of Scots pine (Pinus sylvestris L.) forests logged using different methods. (i) The attractiveness scores, given by respondents, declined steadily from unharvested forest through continuous-cover methods to seed-tree and clear-cut methods. (ii) Respondents with a negative attitude to forest management gave lower scores than respondents with a positive attitude, but the declining slopes of attractiveness against logging intensity were similar. (iii) In unharvested and less intensively managed stands, summer photos received higher scores than corresponding winter photos. (iv) Background variables (gender, education, living environment, memberships in recreational or nature NGOs, forestry profession, and forest ownership) had negligible effects on the scores. We recommend the use of continuous-cover logging methods in settlement and recreational areas.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,054
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,042
Tête enseignante GPT0,299
Écart entre enseignants0,256 · 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.

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

Citations26
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest Management and PolicyTravaux en français237 207