MétaCan
Menu
Retour à la cohorte
Enregistrement W4311709853 · doi:10.3389/fpls.2022.1044637

Modelling the stand dynamics after a thinning induced partial mortality: A compensatory growth perspective

2022· article· en· W4311709853 sur OpenAlexafffund
Chao Li, Hugh J. Barclay, Shongming Huang, Bernard D. Roitberg, Robert G. Lalonde, Wenli Xu, Yingbing Chen

Notice bibliographique

RevueFrontiers in Plant Science · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensSimon Fraser UniversityUniversity of British Columbia, Okanagan CampusUniversity of British ColumbiaAgriculture Food and Rural DevelopmentMinistry of ForestsCanadian Forest Service
Organismes subventionnairesNatural Resources CanadaU.S. Forest ServiceCanadian Forest ServiceUniversity of British Columbia
Mots-clésThinningStand developmentForest dynamicsTree (set theory)Forest managementEcologyMathematicsBiology

Résumé

récupéré en direct d'OpenAlex

Introduction: With increasing forest areas under management, dynamics of managed stands have gained more attention by forest managers and practitioners. Improved understanding on how trees and forest stands would respond to different disturbances is required to predict the dynamics of managed stand.s. Partial mortality commonly occurs in stand development, and different response patterns of trees and stands to partial mortality would govern stand dynamics. Methods: To investigate the possible response patterns using existing knowledge of growth and yield relationships, we developed TreeCG model, standing for Tree's Compensatory Growth, a state-dependent individual tree-based forest growth model that simulates the compensatory growth of trees after experiencing a partial mortality. The mechanism behind the simulation is the redistribution of resources, including nutrients and space, freed from died trees to surviving trees. The developed new algorithm simplified the simulations of annual growth increments of individual trees over a long period of stand development. Results: The model was able to reproduce the forest growth patterns displayed in long-term precommercial thinning experiments. The simulated forest growth displayed the process of compensatory growth from under compensation, to compensation-induced-equality, and to overcompensation over time. Discussion: Our model can simulate stand growth trajectories after different partial harvest regimes at different times and intensities, thus support decisions in best partial harvest strategies. This generic model can be refined with given tree species and specific site conditions to predict stand dynamics after given partial mortality for any jurisdictions under management. The simulation reassembles growth trajectories of natural stands when no thinning is conducted.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,012
Tête enseignante GPT0,217
Écart entre enseignants0,205 · 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'étudeSimulation ou modélisation
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

Citations7
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Plant ScienceMême sujetForest ecology and managementTravaux en français237 207