Predicting the potential for old-growth forests by spatial simulation of landscape ageing patterns
Notice bibliographique
Résumé
Planning for old-growth forests requires answers to two large-scale questions: How much old-growth forest should exist? And where can they be sustained in a landscape? Stand-level knowledge of old-growth physiognomy and dynamics are not sufficient to answer these questions. We assert that large-scale disturbance regimes may provide a strong foundation to understand the spatio-temporal ageing patterns in forest landscapes that determine the potential for old growth. Approaches to describe large-scale disturbance regimes range from scenarios reconstructed from historical evidence to simulation of landscapes using predictive models. In this paper, we describe a simulation modelling approach to determine landscape-ageing patterns, and thereby the landscape potential of old-growth forests. A spatially explicit stochastic simulation model of landscape fire–forest cover dynamics was applied to a 1.8 million-ha case study boreal forest landscape to quantify the spatio-temporal variation of landscape ageing. Twenty-five replicates of 200-year simulation runs of the fire disturbance regime, at a 1-ha resolution, generated a suite of variables of landscape ageing and their error estimates. These included temporal variation of older age cohorts over 200 years, survivorship distribution at the 200th year, and spatial tendencies of ageing. This information, in combination with spatial tendency of species occurrence, constitutes the contextual framework to plan how much old-growth forest a given landscape can sustain, and where such forest could be located. Key words: landscape management, old growth, spatial simulation modelling, landscape ecology, boreal forest, Ontario, fire regime simulation, natural forest disturbances, stochastic models, age-class distribution
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».