MétaCan
Menu
Retour à la cohorte
Enregistrement W7098968240

Effects of harvesting regimes on carbon and nitrogen dynamics of boreal forests in central Canada: a process model simulation

2016· article· en· W7098968240 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant responses to water stress
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTaigaBorealBoreal ecosystemProductivityEcosystemBiomass (ecology)Carbon stockPrimary productionCarbon sequestration
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The effects of different harvesting intensities and rotation lengths on the long-term carbon (C) and nitrogen (N) dynamics of boreal forests in central Canada were simulated using the process-based ecosystem model CENTURY 4.0. Three harvesting intensities and four rotation lengths were investigated. Results suggest that intensive harvesting regimes (e.g. whole-tree harvesting (WTH)) would decrease total ecosystem C, soil C storage, and N availability, compared with conventional harvesting (CH). Harvested biomass would increase with increasing harvesting intensity. Net loss of forest productivity (indicated by above-ground biomass) would be higher in higher productivity stands in the low boreal ecoclimatic region. For a given harvesting intensity, total ecosystem C stock and N availability would be highest with long rotations (120 years) and reduced under shorter rotations (60 and 30 year). Extremely short rotations (i.e. 30 year) would reduce boreal forest productivity by as much as 65%. Longer rotations and less intensive harvesting could increase C sequestration about 36/40 % in the boreal forest region of central Canada. # 2002 Elsevier Science B.V. All rights reserved.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,127

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,008
Tête enseignante GPT0,200
Écart entre enseignants0,191 · 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'étudeSimulation ou modélisation
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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPlant responses to water stressTravaux en français237 207