MétaCan
Menu
Retour à la cohorte
Enregistrement W3109204697 · doi:10.3390/f11121278

A Disturbance Ecology Perspective on Silvicultural Site Preparation

2020· article· en· W3109204697 sur OpenAlexafffund
Jéssica Chaves Cardoso, Philip J. Burton, Ché Elkin

Notice bibliographique

RevueForests · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueForest Ecology and Biodiversity Studies
Établissements canadiensUniversity of Northern British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésDisturbance (geology)Environmental scienceSilvicultureBiomass (ecology)BorealVegetation (pathology)TaigaEcologyLoggingRegeneration (biology)Stand developmentEcosystemEnvironmental resource managementSite selectionAgroforestryBiology

Résumé

récupéré en direct d'OpenAlex

Silvicultural site preparation methods are used as planned disturbances for counteracting soil and vegetation constraints, as well as facilitating successful tree regeneration and growth. Understanding the possible effects of silvicultural site preparation on the ecosystem and evaluating site preparation as an ecological disturbance can help guide the selection and application of site preparation techniques for forest management goals. This review evaluates silvicultural site preparation techniques that are commonly used in boreal mixedwood ecosystems as agents of ecological disturbance by comparing the effects of each technique on the area disturbed and the degree of biomass modification, and then ordering them along a disturbance severity gradient. With a strong emphasis on the numerical estimation of the spatial footprint of different disturbances, broadcast burning typically has the highest disturbance severity, followed in order by broadcast herbicide use, mixing, plowing, disc trenching, mounding, scalping, and inverting. The evaluation of disturbance severity of various silvicultural site preparation techniques while using the proposed framework is feasible, in which quantitative assessments of area disturbed and biomass modification could be collected and assessed in most managed forests.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,722

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)0,0000,001

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 Opus0,018
Tête enseignante GPT0,229
Écart entre enseignants0,210 · 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

Citations27
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetForest Ecology and Biodiversity StudiesTravaux en français237 207