MétaCan
Menu
Retour à la cohorte
Enregistrement W4406443019 · doi:10.1139/cjfr-2024-0208

Motor-manual release changes carbon distribution in soil and tree biomass pools in the short term

2025· article· en· W4406443019 sur OpenAlexafffundvenue
Léa Darquié, Vincent Poirier, Annie DesRochers

Notice bibliographique

RevueCanadian Journal of Forest Research · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensUniversité du Québec en Abitibi-TémiscamingueNatural Resources Canada
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMinistère des Forêts, de la Faune et des Parcs
Mots-clésBiomass (ecology)Environmental scienceSoil carbonForestryTerm (time)Carbon stockCarbon fibersDistribution (mathematics)Tree (set theory)EcologyAgronomyBiologySoil waterSoil scienceMathematicsGeographyClimate change

Résumé

récupéré en direct d'OpenAlex

Despite offering multiple ecosystem services, such as their ability to sequester carbon (C), regenerating mixedwood boreal forests are often only managed to increase their coniferous part by controlling their competition, impacting the ecosystem C stocks. The aim of this study was to compare the short-term effect of motor-manual release treatments of variable intensities: broadcast brushing (brushing), release from below (RFB), and crop tree release on carbon stocks in soil (SOC) and live biomass (aboveground and root C stocks). The stands treated by brushing had twice as much SOC stocks than in the other stands, at the 5–10 cm depth. RFB treatment kept the largest aspen stems in the stands and retained enough total live biomass to compensate for the initial loss. Despite being similar in intensity, stands treated with RFB had more than twice the amount of live biomass than stands treated by brushing. Overall, total C stocks (SOC and live biomass) did not change between the stands but the distribution among the different C pools did, with the live biomass being the most impacted by the treatments. The design of the RFB treatment seemed promising to mitigate C loss during early forest operations while still controlling fast-growing competitors.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,006

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,025
Tête enseignante GPT0,289
Écart entre enseignants0,264 · 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
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetForest Biomass Utilization and ManagementTravaux en français237 207