MétaCan
Menu
Retour à la cohorte
Enregistrement W4410928477 · doi:10.1007/s10457-025-01221-9

Empirical allometric models for estimating aboveground biomass of Bambusa teres and Bambusa tulda in non-forest areas of Nepal

2025· article· en· W4410928477 sur OpenAlexaff
Aastha Sharma, Santosh Ayer, Keshav Ayer, Ananda Khadka, Tek Maraseni, Yajna Prasad Timilsina, Prakash Lamichhane, Ram Asheshwar Mandal

Notice bibliographique

RevueAgroforestry Systems · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensUniversity of Alberta
Organismes subventionnairesUniversity of Southern Queensland
Mots-clésBambusaAllometryBiomass (ecology)Tree allometryBiologyBambooAgroforestryTropicsBotanyForestryGeographyAgronomyEcologyBiomass partitioning

Résumé

récupéré en direct d'OpenAlex

Abstract The ability of bamboo to store carbon in its biomass varies depending on species, site conditions, and management practices. In Nepal, bamboo is widely distributed outside forest areas, often with little or no management, making it essential to develop biomass models to quantify its carbon stock potential in such settings. Therefore, this study aims to develop species-specific aboveground biomass models for Bambusa teres Buch.-Ham. ex Munro and Bambusa tulda Roxb. in non-forest areas of Nepal. A total of 104 culms (54 B. teres, 50 B. tulda) were sampled; diameter at breast height (DBH) and height ranged 4.0–9.4 cm and 8.3–22.4 cm in B. teres, 4.3–10.5 cm and 7.0–20.7 cm in B. tulda. Various regression models (linear, power, and exponential) were tested using DBH and height as independent variables and biomass components (foliage, branch, culm, and total aboveground biomass) as dependent variables. Due to the small sample size, the leave-one-out cross-validation method was used for model validation. Our findings indicate that B. tulda had significantly higher mean DBH, foliage, and branch biomass than B. teres. The power model incorporating both DBH and height (M9) performed best (adj. R2 > 0.80) for predicting culm biomass and total aboveground biomass in both species. However, none of the models accurately predicted foliage biomass and branch biomass (adj. R2 < 0.55), suggesting that allometric models may not be suitable for these components. This study aids in quantifying bamboo carbon and establishing a database for studied species, facilitating Nepal’s entry into the carbon credit market. We recommend development of species- and age-specific allometric models for other bamboo species along with belowground biomass models to enhance bamboo carbon quantification in non-forest settings in Nepal.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,017
Tête enseignante GPT0,269
Écart entre enseignants0,253 · 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

Citations7
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgroforestry SystemsMême sujetForest ecology and managementTravaux en français237 207