Electromagnetic Induction Is a Fast and Non-Destructive Approach to Estimate the Influence of Subsurface Heterogeneity on Forest Canopy Structure
Notice bibliographique
Résumé
The spatial forest structure that drives the functioning of these ecosystems and their response to global change is closely linked to edaphic conditions. However, the latter properties are particularly difficult to characterize in forest areas developed on karst, where soil is highly rocky and heterogeneous. In this work, we investigated whether geophysics, and more specifically electromagnetic induction (EMI), can provide a better understanding of forest structure. We use EMI (EM31, Geonics Limited, Ontario, Canada) to study the spatial variability of ground properties in two different Mediterranean forests. A naturally post-fire regenerated forest composed of Aleppo pines and Holm oaks and a monospecific plantation of Altlas cedar. To better interpret EMI results, we used electrical resistivity tomography (ERT), soil depth surveys, and field observations. Vegetation was also characterized using hemispherical photographs that allowed to calculate plant area index (PAI). Our results show that the variability of ground properties contribute to explaining the variability in the vegetation cover development (plant area index). Vegetation density is higher in areas where the soil is deeper. We showed a significant correlation between edaphic conditions and tree development in the naturally regenerated forest, but this relationship is clearly weaker in the cedar plantation. We hypothesized that regular planting after subsoiling, as well as sylvicultural practices (thinning and pruning) influenced the expected relationship between vegetation structure and soil conditions measured by EMI. This work opens up new research avenues to better understand the interplay between soil and subsoil variability and forest response to climate change.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».