Intensive moose browsing and small-scale domestic woodcutting impacts on forest successional trajectories in Gros Morne National Park, Canada
Notice bibliographique
Résumé
Moose (Alces alces L.) browsing in Gros Morne National Park has damaged its balsam fir (Abies balsamea (L.) Mill.)-dominated forest. A forest estate model was used to evaluate (i) the impacts of moose browsing and woodcutting on forest succession and (ii) strategies of forest restoration through planting and moose population management. The simulation results show that under current heavy browsing pressure growing stock of balsam fir decreases by 38%, but the area of spruce (Picea mariana (Mill.) BSP and P. glauca (Moench) Voss) increases by 32% over a 100-year planning horizon, compared to that under light browsing scenario which is assumed to be similar to the forest outside the Park due to moose population management. Annual allowable cut (AAC) for the Park’s 19 400 ha domestic harvest area is estimated to be around 120 979 m3 in a light browsing scenario, 21% higher than the sustainable harvest level in a heavy browsing scenario. The model forecasts a 97% reforestation of the Park’s 7 194 ha disturbed area by planting in the heavy browsing scenario, leading to an increase in total forest growing stock by 22% and AAC by 12%. Integration of planting with moose population management could be a more efficient way of restoring forest under high browsing pressure in GMNP.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».