MétaCan
Menu
Retour à la cohorte
Enregistrement W4235406147 · doi:10.1139/x00-002

Eight-year responses of light interception, effective leaf area index, and stemwood production in fertilized stands of interior Douglas-fir (<i>Pseudotsuga menziesii</i> var. <i>glauca</i>)

2000· article· en· W4235406147 sur OpenAlexvenueno aff
Nick J. Balster, John D. Marshall

Notice bibliographique

RevueCanadian Journal of Forest Research · 2000
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensnon disponible
Organismes subventionnairesWashington State University
Mots-clésPhotosynthetically active radiationInterceptionHuman fertilizationLeaf area indexBotanyTransplantingHorticultureMathematicsAnimal scienceAgronomyBiologyPhotosynthesisSowingEcology

Résumé

récupéré en direct d'OpenAlex

Data from 72 Douglas-fir (Pseudotsuga menziesii var. glauca (Beissn.) Franco) plots across the Interior Northwest were used to determine whether (i) increased intercepted photosynthetically active radiation (%IPAR), effective leaf area index (LAIe), and stemwood volume production (cubic metres stemwood per hectare per year) could still be detected 7 or 8 years after nitrogen fertilization and (ii) fertilization would increase the efficiency by which light is converted into stemwood volume. Projected LAIe varied from 1.82 to 6.07 m2·m-2 on the control plots. The fertilized plots intercepted 9-11% more light than the control plots (P < 0.001); they also had 22-25% higher LAIe than the control plots (P < 0.001). Stemwood volume production increased by 25-29% relative to the control (P < 0.001) and increased exponentially with %IPAR across all study plots (R2 = 0.57). Stemwood growth efficiency averaged 12.0 ± 0.4 (mean ± SE), 13.5 ± 0.4, and 13.7 ± 0.4 m3·ha-1·a-1 per IPAR for the control, low fertilization, and high fertilization plots, respectively (P < 0.01). Fertilization thus induced increases in both light interception and the efficiency with which intercepted light was converted to stemwood across the region.

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 enseignants0,010
Score d'incertitude au seuil0,019

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
Bibliométrie0,0000,000
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 Opus0,016
Tête enseignante GPT0,265
Écart entre enseignants0,249 · 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

Citations30
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest ecology and managementTravaux en français237 207