MétaCan
Menu
Retour à la cohorte
Enregistrement W2049769960 · doi:10.5558/tfc83084-1

L'effet du patron de répartition des coupes sur les pertes par chablis : étude de cas dans la sapinière à bouleau blanc de l'Est

2007· article· en· W2049769960 sur OpenAlexafffundvenue
Catherine Larouche, Jean‐Claude Ruel, Louis Bélanger

Notice bibliographique

RevueThe Forestry Chronicle · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensUniversité Laval
Organismes subventionnairesFonds Québécois de la Recherche sur la Nature et les Technologies
Mots-clésClearcuttingForestryWindthrowBalsamGeographyThinningHorticultureBiology

Résumé

récupéré en direct d'OpenAlex

The use of clearcutting involves the creation of exposed edges that become vulnerable to windthrow. The spatial distribution of cutblocks can influence the level of damage. This study compares windthrow losses at edges of clearcuts for two spatial distributions of clearcuts in the balsam fir-white birch ecological domain. The level of windthrow was estimated from aerial photographs of five year-old clearcuts. The proportion of windthrow in the first 30 m of edges around clearcuts amounted to 20.4% for grouped clearcuts in comparison with 15.8% for dispersed clearcuts. Dispersed cutting did not modify the level of damage per unit length of edge. However, the greater perimeter for a similar cut area in the dispersed pattern led to a greater amount of damage per area harvested (15.99 vs. 6.34 m 3 ·ha -1 ). Key words: windthrow, logging edges, landscape patterns, grouped clearcut, dispersed patch cutting, balsam fir

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,123
Score d'incertitude au seuil0,734

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,009
Tête enseignante GPT0,214
Écart entre enseignants0,205 · 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 tête enseignante, 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

Citations2
Publié2007
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetForest Biomass Utilization and ManagementTravaux en français237 207