MétaCan
Menu
← Retour à la cohorte
Enregistrement W2345543350 · doi:10.5558/tfc2015-096

Germination et établissement de semis naturels d’épinette rouge (<i>Picea rubens</i>) dans des trouées sylvicoles de différentes tailles

2015· article· fr· W2345543350 sur OpenAlexaffvenue
Daniel Dumais, Marcel Prévost

Notice bibliographique

RevueThe Forestry Chronicle · 2015
Typearticle
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueForest Ecology and Biodiversity Studies
Établissements canadiensMinistère des Ressources naturelles et des Forêts
Organismes subventionnairesnon disponible
Mots-clésPhysicsForestrySemisHorticultureBiologySowingGeography

Résumé

récupéré en direct d'OpenAlex

L’épinette rouge (Picea rubens Sarg.) est difficile à régénérer par ensemencement naturel après une intervention sylvicole. Pour étudier sa germination et son établissement, nous avons suivi durant 10 ans la dynamique des nouveaux semis dans des trouées sylvicoles de différentes tailles (petites: < 100 m2, moyennes: 100-300 m2, grandes: 700 m2). La densité de semis a été plus élevée dans les petites trouées, mais le taux de survie n'a pas dépassé 40%, laissant peu de semis vivants après 10 ans (< 200 ha-1). Les buttes ont été la meilleure microtopographie pour les semis. Nos résultats confirment le rôle important du bois en décomposition et de la mousse pour la germination et l’établissement sous couvert. Le bois pourri s'est avéré important pour l’établissement dans les grandes trouées, alors que l'humus a été plus favorable dans les moyennes trouées. Dans les petites trouées, les germinants et les semis établis se trouvaient autant sur de la mousse que sur de l'humus ou du bois pourri. Cependant, les faibles densités observées suggèrent que la plantation dans de petites ou moyennes trouées soit une avenue à explorer afin d'accélérer le renouvellement de l'espèce, d'autant plus si la régénération préétablie est déficiente.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,000

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 Opus0,022
Tête enseignante GPT0,242
Écart entre enseignants0,220 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Forestry Chronicle→Même sujetForest Ecology and Biodiversity Studies→Travaux en français237 207→