<i>Picea abies</i>site index prediction by environmental factors and understorey vegetation: a two-scale approach based on survey databases
Notice bibliographique
Résumé
Relationships between site index, environmental variables, and understorey vegetation were examined for Norway spruce (Picea abies (L.) Karst.) in the eastern part of France. The study area concerns all the native range of Norway spruce in France and the northeastern plains. The analysis is based on 2087 plots from the French National Forest Inventory database. The data measured on each plot cover topography, soil, geology, and vegetation. Additional environmental variables were estimated using two methods: climatic data estimated from a climatic model developed by Météo-France (AURELHY), and nutritional variables predicted from vegetation data and species indicator values. General linear model regression was used to predict site index as a function of environmental variables. The best model explains 64% of the site index variance and involves eight variables (elevation, mountain zone, topographic concavity, proportion of plot area occupied by rock outcrop, rock type, soil depth, pH, and C/N ratio). The two main results of this study are (i) the combination of large databases allowed the study of soilsite relationships and construction of a pertinent model, which covers a wide range of ecological conditions, and (ii) vegetation was found to be relevant to separate the effect of acidity from those of nitrogen nutrition on Norway spruce productivity.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».