MétaCan
Menu
Retour à la cohorte
Enregistrement W4313070213 · doi:10.22230/jem.2010v11n3a17

The Effects of Straw Mulching on Post-Wildfire Vegetation Recovery in South Eastern British Columbia

2011· article· en· W4313070213 sur OpenAlexaboutno aff
Ashley Covert

Notice bibliographique

RevueJournal of Ecosystems and Management · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMulchVegetation (pathology)Environmental scienceInvasive speciesNative plantAgronomyStrawElevation (ballistics)Introduced speciesEcologyBiologyMedicine

Résumé

récupéré en direct d'OpenAlex

Following the severe wildfire season of 2007 in southeastern British Columbia, straw mulching was used to stabilize soil on burned hillslopes and to reduce the risk of debris flows and flooding after the fires. The effects of the straw mulch on vegetation recovery and the introduction of invasive species were studied in two elevation classes over 2 years following the fires. The study measured percent of live vegetation cover including native, non-native, and invasive species in mulched and untreated control plots in highseverity burns. Total percent vegetation cover was not significantly different between treatments in either elevation class. A slightly slower rate of vegetation growth in mulched sites may suggest that mulch inhibits growth. Invasive species were present prior to mulching in both elevation classes. In the lowelevation class, the invasive species cover increased in both treated and control plots and in both years of the study. High-elevation plots showed a decrease in invasive species in the second year. Non-native species introduced with the mulch did not increase after the first year in either elevation class. This study shows that the use of straw mulch as an erosion control treatment has minimal effects on vegetation growth, but considerable effort should be taken to access mulch that does not contain seed to prevent the introduction of invasive species.

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)0,001
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 enseignants0,298
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,005
Tête enseignante GPT0,169
Écart entre enseignants0,164 · 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
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Ecosystems and ManagementMême sujetFire effects on ecosystemsTravaux en français237 207