Competition intensity varies with hardwood species identity and constrains stand-level productivity in southeastern pine–hardwood mixtures compared to loblolly pine monocultures
Notice bibliographique
Résumé
We examined the performance of sweetgum ( Liquidambar styraciflua L.), cherrybark oak ( Quercus pagoda Raf.), and loblolly pine ( Pinus taeda L.) in two-species pine–hardwood mixtures (sweetgum : loblolly pine and cherrybark oak : loblolly pine) at various planting densities (1482–1976 trees per hectare (TPH)) over 23 years in northern Louisiana, USA. Species were planted in alternating rows with hardwood establishment occurring 1 year prior to loblolly pine. Mixtures were also compared to loblolly pine monocultures at a common density (1482 TPH) to assess whether mixing improved productivity. Sweetgum exerted more competitive pressure on loblolly pine than cherrybark oak. At final measurement, sweetgum survival statistically exceeded that of loblolly pine across mixture density. Moreover, sweetgum cumulative basal area and volume growth nearly tripled that of loblolly pine in balanced high-density mixtures (1976 TPH, 50 pine : 50 hardwood). In contrast, cherrybark oak basal area and volume growth did not significantly exceed loblolly pine at any density. At a common density (1482 TPH), loblolly pine monoculture cumulative basal area and volume significantly exceeded those of mixtures with sweetgum and cherrybark oak by 19% and 24%, respectively. Collectively, these results indicate that growing loblolly pine in mixture with these two species did not produce complementary interactions and negatively affected stand-level growth.
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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».