MétaCan
Menu
← Retour à la cohorte
Enregistrement W4390732374 · doi:10.1139/cjfr-2023-0213

Tree and stand characteristics associated with the occurrence of false heartwood in individual Japanese white birch trees

2024· article· en· W4390732374 sur OpenAlexvenueno aff
Akira Nakaya, H. Osaki, Yasuyuki Ohno, Toshiya Yoshida

Notice bibliographique

RevueCanadian Journal of Forest Research · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensnon disponible
Organismes subventionnairesJapan Society for the Promotion of ScienceHokkaido University
Mots-clésBetula platyphyllaBasal areaCunninghamiaCrown (dentistry)ThinningBetulaceaeBotanyHorticultureBiologyForestryMathematicsEcologyGeography

Résumé

récupéré en direct d'OpenAlex

New wood uses of Japanese white birch ( Betula platyphylla var. japonica) have attracted much attention in recent years, but false heartwood has led to a decline in commercial value due to its irregular wood color. In this study, we assessed the occurrence of false heartwood and its proportion to stem cross-sectional area (PFH) in individual Japanese white birch (482 trees) in a ca. 70-year-old natural secondary forest. Specifically, we investigated the relative strength of the direct/indirect effects of individual size (BA), growth rate (GR), crown ratio (CR), number of branch scars (NBS), basal area sum of neighboring trees (BAS) and topographic wetness index (TWI) on PFH. In total, 80.3% of trees had false heartwood. CR was found to be the most important factor, acting through direct and indirect negative effects. BA and NBS had a positive effect, and TWI had a negative effect on PFH. BA had a positive correlation with tree age, indicating that PFH can be reduced in trees with faster growth. Simultaneously, BAS had an indirect positive effect on PFH. These results suggested that thinning, which reduces BAS and increases CR, can reduce false heartwood.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,991
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,034
Tête enseignante GPT0,283
Écart entre enseignants0,250 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest Research→Même sujetForest ecology and management→Travaux en français237 207→