MétaCan
Menu
Retour à la cohorte
Enregistrement W3019449764 · doi:10.1139/cjfr-2019-0200

Growth of canopy red oak near its northern range limit: current trends, potential drivers, and implications for the future

2020· article· en· W3019449764 sur OpenAlexvenueno aff
Rebecca L. Stern, Paul G. Schaberg, Shelly A. Rayback, Paula F. Murakami, Christopher F. Hansen, Gary J. Hawley

Notice bibliographique

RevueCanadian Journal of Forest Research · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueTree-ring climate responses
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGrowing seasonCanopyBasal areaPrecipitationEnvironmental scienceFagaceaeRange (aeronautics)EcologyClimate changePhysical geographyBiologyGeographyMeteorology

Résumé

récupéré en direct d'OpenAlex

Red oak (Quercus rubra L.) is projected to expand into the northern hardwood forest over the coming century. We explored the connection between red oak basal area growth and a number of factors (tree age and size, stand dynamics, site elevation, and climate and acid deposition variables) for 213 trees in 11 plots throughout Vermont, USA. Red oak growth generally increased over the course of the chronology (1935–2014) and has been particularly high in recent decades. Growth differed among elevational groups but did not differ between age or size groups. Summer moisture metrics were consistently and positively associated with growth, whereas fall moisture was associated with reduced growth in recent decades. Higher summer temperatures were often negatively associated with growth, though there was evidence that low temperatures in the summer (higher elevations) and fall (lower elevations) constrain growth. Several pollution metrics were associated with reduced growth, a surprising result for a species not known to be sensitive to inputs of acid deposition that have predisposed other species in the region to decline. While red oak growth is currently robust, increases in summer temperatures, reductions in growing season precipitation, or increases in fall precipitation could reduce future growth potential.

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 enseignants0,476
Score d'incertitude au seuil0,937

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 savante0,0000,000
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 Opus0,055
Tête enseignante GPT0,294
Écart entre enseignants0,239 · 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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetTree-ring climate responsesTravaux en français237 207