MétaCan
Menu
Retour à la cohorte
Enregistrement W2288586133

Evaluation préliminaire de l' enneigement artificiel comme méthode de protection hivernale de la vigne au Québec

2000· article· fr· W2288586133 sur OpenAlexaboutno aff
Jean Dubois, Y Jolivet

Notice bibliographique

RevueInternational journal of vine and wine sciences · 2000
Typearticle
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueHorticultural and Viticultural Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésForestryGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Des mesures de temperatures ont ete enregistrees sur quatre parcelles experimentales durant la saison froide dans un vignoble au Quebec. Une parcelle enneigee artificiellement a des fins de protection contre les froids hivernaux a ete comparee a trois autres, dont une parcelle de neige naturelle, une parcelle enfeuillee avec neige naturelle et une autre parcelle de neige naturelle avec de fines croutes de glace a la suite des chutes de neige. Les resultats montrent que, pendant les grands froids de janvier et de fevrier, les sarments de la vigne situes a 30 cm du sol et proteges par la neige artificielle ont conserve des temperatures minimales negatives beaucoup plus elevees, et ce avec une difference pouvant atteindre 23°C, comparativement aux sarments situes a une meme hauteur sur les autres parcelles. Les resultats revelent aussi qu?une couche de neige de 15 a 20 cm suffit a isoler totalement les sarments de l?air ambiant. L?utilisation de l?enneigement artificiel comme methode de protection contre le froid s'avere donc efficace. Cependant, lors de l'enneigement artificiel a l'automne, lorsque le couvert nival est encore absent, l'eau non cristallisee penetre le sol jusqu?a la zone racinaire par percolation et en abaisse la temperature de l'ordre de 3°C jusqu'a 60 cm de profondeur. De meme, par rapport aux moyens traditionnels de protection, au printemps, la fonte hâtive du couvert nival au centre des rangs laisse les sarments de la vigne sans protection et les expose aux gels tardifs.

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)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,875
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,117
Tête enseignante GPT0,374
Écart entre enseignants0,256 · 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.

Devis d'étudeAutre devis
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

Citations1
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational journal of vine and wine sciencesMême sujetHorticultural and Viticultural ResearchTravaux en français237 207