MétaCan
Menu
← Retour à la cohorte
Enregistrement W3156419517 · doi:10.1139/cjfr-2020-0489

Leaf litter dynamics in Western Black Sea mountainous forest ecosystems

2021· article· en· W3156419517 sur OpenAlexvenueno aff
Murat Sargıncı, Oktay Yıldız, Doğanay Tolunay, Bülent Toprak, Şule Temür

Notice bibliographique

RevueCanadian Journal of Forest Research · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBeechPlant litterLitterFagus orientalisEnvironmental scienceFagus sylvaticaEcosystemBotanyForestryEcologyBiologyAgronomyGeography

Résumé

récupéré en direct d'OpenAlex

This study aimed to estimate leaf litter decomposition rates in eastern beech (Fagus orientalis Lipsky) and sweet chestnut (Castanea sativa Mill.) mixed stands in Akçakoca in the province of Düzce, located in the Western Black Sea region of Turkey. The sampling areas represent four different elevations and two aspects at each elevation. Amounts of annual beech and chestnut litterfall were estimated at 5.19 and 4.61 Mg·ha−1, respectively. Litter decomposition was examined over five time periods (0.25, 0.50, 1.25, 2.25, and 4.25 years) by using the litterbag method. The mass of remaining beech leaf litter was found to be 1.1, 1.2, 1.2, 1.4, and 1.3 times greater than the mass of chestnut leaf litter, respectively. However, estimated values for the decomposition rate constant (k) of chestnut for all time periods were found to be approximately 1.5 times greater than those of beech leaf litter. Litter in beech stands decomposed more rapidly at higher elevations during the first year but at lower elevations during the second year, likely due to increased temperature and precipitation for the corresponding years. Leaf litter in chestnut stands decomposed more rapidly at lower elevations in the second and fourth years, reflecting higher precipitation for those years.

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)0,000
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 enseignants0,054
Score d'incertitude au seuil0,107

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,022
Tête enseignante GPT0,274
Écart entre enseignants0,252 · 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

Citations8
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest Research→Même sujetForest ecology and management→Travaux en français237 207→