Defoliation level interacts with tree species and soil richness to determine volume increment reduction and recovery from simulated spruce budworm attack
Notice bibliographique
Résumé
Defoliation and tree species determine growth during spruce budworm outbreaks, with site showing inconsistent effects. We determined effects of artificial defoliation treatments (0%, 50%, 100%, 100%+bud) for 3 years on volume increment of 240 balsam fir, black spruce, and white spruce trees, initially 7–10 years old and 2.3–4.1 m tall, on four soil drainage/richness classes. Current annual increment was significantly affected by species × site and site × defoliation interactions, with DBH as covariate. Specific volume increment (SVI) was significantly affected by a species × site × defoliation treatment interaction. Combining species and sites, volume reductions after 3 years were 21%–28%, 43%–51%, and 55%–66% for 50% defoliation, 100% defoliation, and 100%+bud. SVI was negatively, linearly related to cumulative defoliation. Marginal r2 and conditional r2 showed that 64% of variance of SVI was explained by site, species, cumulative defoliation, and DBH, but 90% was explained by fixed and random variables. After 3 years of defoliation, SVI of white spruce was 21%–23% greater than balsam fir and black spruce, and SVI on rich was 55%–79% greater than on poor sites. Cumulative defoliation was a good predictor of growth, and soil richness had a stronger effect on growth after defoliation than in previous studies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».