MétaCan
Menu
Retour à la cohorte
Enregistrement W3087553154 · doi:10.5558/tfc2020-020

Effects of manual brushing on 10-year survival and growth of Douglas-fir in the mixed broadleaf – shrub complex of southern interior British Columbia

2020· article· en· W3087553154 sur OpenAlexaffvenueabout
George Harper, Kevin R. Brown

Notice bibliographique

RevueThe Forestry Chronicle · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensMinistry of Forests
Organismes subventionnairesnon disponible
Mots-clésDouglas firShrubForestryCompetition (biology)PopulationHorticultureMathematicsBotanyGeographyBiologyEcologyDemography

Résumé

récupéré en direct d'OpenAlex

Manual brushing is used to minimize the competitive effects of paper birch (Betula papyrifera Marsh) and associated broadleaved trees on young Douglas-fir (Pseudotsuga menziesii var. glauca) in southern interior British Columbia. Effects of brushing broadleaved trees, predominantly birch, on interior Douglas-fir survival and growth were studied on four sites. Treatments were applied when plantations were five to nine years old. Through 10 years post treatment, brushing did not affect Douglas-fir survival, but increase height by 22 % and stem diameter by 31 % and the differences were greater than seen at five years. After 10 years, linear models described a declining Douglas-fir height or diameter with increasing broadleaved tree density. Boundary line analysis was used to describe maximum treatment response to broadleaved density and two distance independent competition indices for birch and broadleaves, combining either cover or density with relative heights (CRH, DRH, respectively). A negative exponential relationship was fit to 10-year Douglas-fir heights and diameters with increasing values CRH or DRH. Competition thresholds for density, CRH and DRH were not apparent. The quantile regression results indicated the 10-year response of young Douglas-fir diameter to brushing occurred primarily with the largest 55 % to 85 % of the population, CRH and DRH respectively.

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)0,001
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 enseignants0,249
Score d'incertitude au seuil0,502

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,009
Tête enseignante GPT0,205
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

Citations3
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetForest ecology and managementTravaux en français237 207