MétaCan
Menu
← Retour à la cohorte
Enregistrement W3162266324 · doi:10.1139/cjfr-2020-0497

Differences in stem form and bark anomalies of northern red oak trees in forest stands in Canada and Germany

2021· article· en· W3162266324 sur OpenAlexvenueaboutno aff
Katharina Burkardt, Christian Ammer, Dominik Seidel, Torsten Vor

Notice bibliographique

RevueCanadian Journal of Forest Research · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensnon disponible
Organismes subventionnairesLandwirtschaftliche RentenbankBundesministerium für Ernährung und Landwirtschaft
Mots-clésThinningCompetition (biology)Forest managementBark (sound)ForestryRange (aeronautics)CropGeographyAgroforestryBiologyEcology

Résumé

récupéré en direct d'OpenAlex

Northern red oak (Quercus rubra L.) wood is valuable for a variety of applications not only in its natural distribution range in North America but also in Europe. Timber quality and stem diameter largely determine timber prices and respective uses. Silvicultural management is key to influencing tree growth and stem quality. In Germany, crop tree thinning is currently the standard treatment, while in Canada the shelterwood system is common practice. The objective of this study was to compare stem characteristics related to stem quality of northern red oaks from Canada with those from Germany to determine effects of different silvicultural treatments on stem quality. We examined stem characteristics from a total of 150 dominant northern red oaks in Canadian and German forest stands using the terrestrial laser scanning approach. Northern red oak stems in Canada (shelterwood system) were significantly straighter, whereas German stems (crop tree thinning approach) were significantly smoother on the surface and rounder on the upper parts of the stems (height 4–8 m). The number of bark anomalies decreased with increasing tree competition, indicating that competition is the main driver influencing external stem form and the occurrence or persistence of bark anomalies.

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 enseignants0,065
Score d'incertitude au seuil0,130

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
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 Opus0,021
Tête enseignante GPT0,234
Écart entre enseignants0,213 · 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

Citations1
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

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