MétaCan
Menu
Retour à la cohorte
Enregistrement W4409359533 · doi:10.1139/cjfr-2024-0318

Excluding deer browse increases stump sprouting success and height growth following regeneration harvests

2025· article· en· W4409359533 sur OpenAlexvenueno aff
Jeffrey S. Ward, Elisabeth B. Ward, Joseph P. Barsky

Notice bibliographique

RevueCanadian Journal of Forest Research · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConstructed Wetlands for Wastewater Treatment
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Forest ServiceNational Institute of Food and Agriculture
Mots-clésSproutingRegeneration (biology)BiologyForestryAnimal scienceHorticultureAgronomyBotanyGeography

Résumé

récupéré en direct d'OpenAlex

Slash walls are a novel strategy that could help maintain species on sites where ungulate browse limits tree regeneration. We established five slash walls in southern New England, USA to examine the influence of pre-harvest tree metrics and deer exclusion on stump sprout height and survival at 160 sample points ( n = 1509 trees). For all species groups, dominant sprouts were taller inside the walls at the end of the first and second growing seasons. After 2 years, mean sprout heights were ∼2.5 times higher for Quercus rubra (1.8 vs. 0.7 m) and >6 times higher for Acer saccharum (2.0 vs. 0.3 m) inside the walls. For some species, the proportion of stumps with a live sprout after 1 year was higher inside the slash walls (56% vs. 28% for Q. rubra and 77% vs. 55% for Carya ovata). By contrast, sprouting success was uniformly high for Acer rubrum (78%) and Liriodendron tulipifera (87%). Differences in sprout survival inside versus outside the walls increased during the second year for Q. rubra, C. ovata, and A. saccharum. Where maintaining Q. rubra is a management objective, excluding deer will increase both the growth of stump sprouts and the proportion of stumps with a live sprout.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,024
Tête enseignante GPT0,288
Écart entre enseignants0,265 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetConstructed Wetlands for Wastewater TreatmentTravaux en français237 207