Reconstitution historique de la croissance de la hauteur dominante des peuplements forestiers mixtes : une approche par photogrammétrie et altimétrie laser
Notice bibliographique
Résumé
La présente étude avait pour objectif principal d'examiner la validité des tables de rendement dans la prédiction de l'évolution de la hauteur dominante des peuplements mixtes situés dans la région du Lac Duparquet (Abitibi-Témiscaminque, Québec). Plus précisément, nous avons d'abord mesuré la hauteur de la canopée pour la période 1945 à 2003 à partir de modèles numériques de surface (MNS) et de modèle numérique de terrain (MNT) photo-lidar pour ensuite les comparer avec les valeurs prédites par les modèles de Pothier et Savard (1998). Notre étude envisageait également une analyse des facteurs environnementaux qui pourraient affecter le développement des peuplements mixtes et en conséquence, engendrer un biais dans la prédiction de la croissance de la hauteur de ceux-ci. Nous avons réussi à reproduire avec succès les procédures de télédétection, puisque nous avons observé une précision sub-métrique pour les mesures altimétriques des MNS de 1965 et 1983 (0.67 m et 0.60 m respectivement) et une précision d'environ 1.65 m pour 1945. L'erreur quadratique de la hauteur dominante calibrée varie entre 57 cm et 2.12 m et le biais moyen absolu est entre 36 cm à 1.8 m. À partir de l'analyse des changements de la hauteur dominante entre 1945 et 2003, nous avons constaté que les modèles proposés dans Pothier et Savard (1998) prédisent la hauteur dominante avec une grande acuité pour l'ensemble des peuplements étudiés, à l'exception des peuplements mixtes dominés par les résineux. Les erreurs de prédictions étaient en dessous de 10 % pour les peuplements purs (PF : biais = 1.32% (0.27 m), RMSE = 6.61 % (1.36 m); PR : biais = 3.08 % (0,37 m), RMSE : 5.17 % (0.62 m)), et ce, pour les peuplements de dominance feuillue ou résineuse. Pour les peuplements mixtes, cependant, nous avons observé que le modèle a tendance à sous-estimer la hauteur dominante, notamment pour les résineux (MF : biais = -4.67 % (-0.86 m), RMSE = 1l.38 % (2.11 m); MR : biais: -11.92 % (-1.74 m), RMSE: 20.77 % (3.03 m)). Lorsque nous avons analysé le biais de prédiction en utilisant les variables environnementales, nous avons constaté que trois variables ont contribué de manière significative à la prédiction de l'erreur : le nombre d'essences dans la placette, la tolérance à l'ombre de l'essence dominante, ainsi que le temps depuis la dernière perturbation. Ainsi, le problème dans l'estimation de l'évolution de peuplements mixtes résineux semble être lié à de nombreux facteurs qui vont du trait fonctionnel de l'essence dominante (le sapin baumier est tolérant à l'ombre), à la dynamique du peuplement (âge, nombre d'essences, stabilité de la cohorte dominante, effet de la TBE). \n______________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : forêt boréale mixte, modèles de croissance, hauteur dominante, photogrammétrie, altimétrie laser
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».