MétaCan
Menu
Retour à la cohorte
Enregistrement W4392263553 · doi:10.1016/j.foreco.2024.121785

Above- and belowground carbon stocks under differing silvicultural scenarios

2024· article· en· W4392263553 sur OpenAlexafffundabout
Anne Ola, William Devos, Mathieu Bouchard, Marc J. Mazerolle, Patricia Raymond, Alison D. Munson

Notice bibliographique

RevueForest Ecology and Management · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensMinistry of Natural Resources and WildlifeUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCarbon stockEnvironmental scienceSilvicultureCarbon fibersAgroforestryEcologyClimate changeBiologyMathematics

Résumé

récupéré en direct d'OpenAlex

Despite the need for climate change mitigation and altered forest management practices, little is known about the impacts of silvicultural practices such as partial-cuts and clear-cuts on forest ecosystem carbon (C) dynamics. Specifically, the effect of these two overstory treatments on C pools other than the aboveground biomass of trees remains poorly understood. Here, C stocks were estimated for a northern temperate mixed forest located in eastern Québec, Canada, five years after clear-cutting and partial-cutting, either with or without a brushing treatment to control the competing vegetation. The biomass of the aboveground vegetation (trees, saplings, understory), litter and woody debris (coarse, small, fine), as well as the roots (diameter ≤ 1.5 cm) was evaluated. Additionally, soil C pools up to a depth of 35 cm of the mineral soil were assessed. Total ecosystem C stocks were influenced by the overstory treatments reflecting harvest intensities. Although the belowground C pools were major contributors to total ecosystem C stocks, silvicultural treatments only influenced forest floor and aboveground C stocks. However, assessments like the one presented here capture contemporary C stocks, which highlights the need for monitoring to build suitable forest ecosystem C models and to understand long-term C dynamics.

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 enseignants0,683
Score d'incertitude au seuil0,637

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,005
Tête enseignante GPT0,200
Écart entre enseignants0,195 · 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

Citations9
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueForest Ecology and ManagementMême sujetForest ecology and managementTravaux en français237 207