Data from: Combining aggregated and dispersed tree retention harvesting for conservation of vascular plant communities
Notice bibliographique
Résumé
Retention harvesting (also called tree retention or structural retention), in which live mature trees are selectively retained within harvested stands at different retention levels and in different patterns (aggregated to dispersed), is increasingly being used to mitigate the negative impacts of forest harvesting on biodiversity. However, the effectiveness of combining different patterns of retention harvesting for conservation and recovery of understory vascular plants in the long-term is largely unknown. To address this gap, we compared understory vascular plant diversity, abundance, and composition between aggregated retention and five levels of surrounding dispersed retention (0% = clearcut, 10%, 20%, 50%, 75%) 15 years post-harvest. We also investigated the influence of dispersed retention on the ability of embedded retention patches to support plant communities characteristic of unharvested forests, and whether it varies by patch size of aggregated retention (0.20 ha or 0.46 ha) and position within patches (edge or interior). Species richness, diversity, and cover were higher in the dispersed retention than in the patch retention as the harvested areas favored early-seral plant species. Graminoid cover was greater at the edges than in the interior of large patches. Retention patches as small as 0.2 ha more effectively supported shade-tolerant (forest interior) plant communities when they were surrounded by higher levels of dispersed retention (as compared to patches retained within clearcuts). Overall, the combined use of both aggregated and dispersed retention within a given cutblock benefits both late- and early-seral plant species and thus could effectively conserve understory plant assemblages in harvested landscapes. Sustainable forest management should therefore consider using a range of retention patch sizes combined with varying levels of surrounding dispersed retention in harvest designs to achieve objectives for plant conservation.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,014 |
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 ».