MétaCan
Menu
Retour à la cohorte
Enregistrement W4297349397 · doi:10.3390/f13101585

Mid-Rotation Impacts of Stand Tending with Glyphosate on Plant Diversity in the Boreal Forest of West-Central Alberta

2022· article· en· W4297349397 sur OpenAlexfundaboutno aff
Milo Mihajlovich, John C. Nash, Sonya Odsen, Brian E. Roth

Notice bibliographique

RevueForests · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesForest Resource Improvement Association of AlbertaUniversity of Pittsburgh
Mots-clésUnderstorySpecies evennessBiodiversityDeciduousGlyphosateTaigaDominance (genetics)BiologySpecies diversityForestryReforestationAgronomyEcologyAgroforestryGeographyCanopy

Résumé

récupéré en direct d'OpenAlex

Stand tending using glyphosate to promote coniferous overstory trees has been a common practice in the boreal forests of Alberta. However, there are concerns about the impact of this practice on biodiversity of understory species. This study examined the impact of broadcast glyphosate application during the active reforestation phase, two to several years post-harvest, on forest plant diversity 25 to 40 years post-harvest. Herbicide treatments had the desired effect of shifting tree layer dominance from deciduous to coniferous species, driven by a 25-fold reduction in the density of trembling aspen (3927 vs. 154 stems·ha−1, untreated and treated, respectively). However, understory plant diversity was not significantly different between treated and untreated sites as examined by the Shannon–Wiener (H) and evenness (E) indices. Shared plant species (beta) across sites was high. Of the seven site-indicator species examined, three had significantly lower cover on treated sites: Wild sarsaparilla, low bush-cranberry and oak fern. Total understory plant cover was significantly greater in the treated portion (98.0%) versus untreated (71.4%); however, this difference was not significant when bryophytes were excluded in the analysis. The establishment, maintenance and monitoring of larger long-term trials is strongly recommended.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,157
Score d'incertitude au seuil0,950

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,008
Tête enseignante GPT0,202
Écart entre enseignants0,193 · 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 tête enseignante, 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
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueForestsMême sujetFire effects on ecosystemsTravaux en français237 207