MétaCan
Menu
← Retour à la cohorte
Enregistrement W4321995395 · doi:10.5194/egusphere-egu23-10106

Role of forest thinning techniques towards nature-based climate solutions

2023· preprint· en· W4321995395 sur OpenAlexaffabout
Kangyu So, Cheryl Rogers, Tanisha Sharma, Rachel Badzioch, Alemu Gonsamo

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceCarbon sequestrationCanopyPhotosynthetically active radiationLeaf area indexAgroforestryThinningForest inventoryBiogeochemistryForest ecologyBiomass (ecology)EcosystemForest managementForestryEcologyGeographyCarbon dioxideBiology

Résumé

récupéré en direct d'OpenAlex

Forest ecosystems provide many essential services such as climate regulation and carbon storage, which are important for many industries and for global Earth system health. However, forest ecosystems are endangered by ongoing resource exploitation and climate and land cover changes which could lead to the destruction of large quantities of forest carbon stocks and stand inventory. Nature-based climate solutions are gaining traction in recent years, particularly forest thinning techniques like variable retention harvesting (VRH) which promotes forest growth, biodiversity, and ecosystem function. Still, they require an intensive assessment of their contribution to forest structure and enhanced carbon dioxide (CO₂) sequestration, but traditional inventory-based forest monitoring practices are time-, cost-, and labour-intensive and impractical at a national scale. In this study, we implement a comprehensive methodology of forest monitoring that uses a combination of field measurements, digital hemispherical photography, spectroscopic analysis, and unmanned aerial vehicle (UAV)-derived data to derive canopy structure, light environment, and soil biogeochemistry. We evaluated the impact of four different VRH treatments on the leaf area index (LAI), canopy openness, photosynthetically active radiation (PAR) absorbance, biomass, and soil carbon and nitrogen content of an 84-year-old red pine (Pinus resinosa) plantation forest in Southern Ontario, Canada. The VRH treatments included 33% dispersed crown retention (33D), 33% aggregated crown retention (33A), 55% dispersed crown retention (55D), and 55% aggregated crown retention (55A). Our findings show that the VRH treatments were major controls or drivers of seasonal variation in LAI, canopy openness, PAR absorbance, biomass, and soil carbon and nitrogen content. Our study suggests that the dispersed crown retention of 55% basal area is the ideal forest thinning technique to enhance CO₂ sequestration and preserve forest structure and light environment. This study provides insight into the interactions between forest ecosystem dynamics and silvicultural interventions, which is indispensable for improving our understanding of nature-based climate solutions. It will also help outline the framework for monitoring forest structure and CO₂ sequestration on large spatiotemporal scales.

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)0,002
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,019
Tête enseignante GPT0,273
Écart entre enseignants0,254 · 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'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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetRemote Sensing and LiDAR Applications→Travaux en français237 207→