Landscape-scale spatial distribution of spruce budworm defoliation in relation to bioclimatic conditions
Notice bibliographique
Résumé
Two empirical statistical models were developed to describe the spatial variation in defoliation by spruce budworm (Choristoneura fumiferana Clem.), as recorded by Ontario's Forest Health Survey from 1967 to 1998. These models revealed a number of relationships between the spatial distributions of aerially detectable spruce budworm defoliation and bioclimatic conditions over the landscape. A classification tree model relates the northern and southern boundaries of defoliation to the relative abundance of different tree species that host spruce budworm. Between these boundaries, the classification tree uses the maximum winter temperature and the minimum temperature in May to describe where detectable defoliation occurred. A regression tree model uses a total of eight variables related to winter temperatures, forest composition, spring temperatures, summer temperatures, and precipitation to estimate the defoliation frequency in areas where defoliation was detected at least once from 1967 to 1998. High defoliation frequencies were associated with dry Junes (precipitation, <86 mm) and cool springs (mean minimum temperature < 2.7 °C). Conversely, low frequencies were associated with cold winters (mean minimum temperature < 23.3 °C; mean maximum temperature > 11.0 °C) in the north and a low abundance of host species (percentage of the basal area occupied by balsam fir, white spruce, and black spruce, <14.3%) in the south. Spatial autocorrelation in the bioclimatic variables had little effect on their relationships with the spatial distribution of the defoliation frequency.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 tête enseignante, 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 ».