MétaCan
Menu
Retour à la cohorte
Enregistrement W4319723854 · doi:10.1016/j.foreco.2023.120848

TAMM review: Continuous root forestry—Living roots sustain the belowground ecosystem and soil carbon in managed forests

2023· article· en· W4319723854 sur OpenAlexaff
Cindy E. Prescott, S. J. Grayston

Notice bibliographique

RevueForest Ecology and Management · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceBiodiversityEcosystemSoil organic matterAgroforestrySoil carbonAgronomyEcologyBiologySoil waterSoil science

Résumé

récupéré en direct d'OpenAlex

An estimated half of the carbon fixed by trees is transported belowground, a portion of which is exuded into the soil where it fuels a complex belowground food web. The biological transformation of exudates into microbial metabolites and necromass is a major source of soil organic matter (SOM), including persistent mineral-associated organic matter (MAOM). Recent recognition of the fundamental importance of these inputs from living roots for sustaining life belowground and replenishing SOM demands a rethinking of how we harvest forests. By severing the lifeline of living roots, clearcut harvesting devastates much of the belowground biodiversity in forests, and prohibits a principal pathway through which SOM and C stocks are replenished. Retention harvesting retains the influence of living roots within retention patches and potentially throughout the harvested area, but only if inter-tree distances are 15 m or less. Retention trees sustain and support the re-establishment of belowground life and function following forest harvest and may mitigate post-harvest soil C losses. Sustaining the belowground ecosystem via inputs from living roots is an underappreciated benefit of continuous-cover and retention forestry.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0130,005

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 Opus0,007
Tête enseignante GPT0,208
Écart entre enseignants0,200 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations52
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueForest Ecology and ManagementMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207