Notice bibliographique
Résumé
Abstract. Process-based forest growth models with spatially explicit representation are a relevant tool to investigate innovative silviculture practices and/or climate change effects because they are based on key ecophysiological processes and account for the effects of local competition for resources on tree growth. Such models are rare, often calibrated for a very limited number of species and rarely in mixed and/or uneven-aged stands, and none are suitable for the temperate forests of Québec. The aim of this study was to calibrate and evaluate HETEROFOR, a process-based and spatially explicit model based on resource sharing, for 23 functionally diverse tree species in forest stands with contrasting species compositions and environmental conditions in southern Québec. Using data from the forest inventory of Québec, we evaluated the ability of HETEROFOR to predict the short-term growth (5–16 years) of these species at the tree and stand levels, and the long-term dynamics (120 years) of red and sugar maple stands. The comparison between the prediction quality for the calibration and evaluation datasets showed the robustness of the model performance in predicting individual tree growth. The model reproduced correctly individual basal area increment (BAI) of the validation dataset with a mean Pearson’s correlation coefficient of 0.56 and a mean bias of 18 %. Our results also highlighted that considering tree position is of importance for predicting individual tree growth most accurately in complex stands with both vertical and horizontal heterogeneous structure. The model also showed a good ability to reproduce BAI at the stand level, both for monospecific (bias of -3.7 %, Pearson’s r = 0.55) and multi-species stands (bias of -9.1 %, Pearson’s r = 0.62). Long-term simulations of red maple and sugar maple showed that HETEROFOR was able to accurately predict the growth (basal area and height) and mortality processes from the seedling stage to the mature stand. Our results suggest that HETEROFOR is a reliable option to simulate forest growth in southern Québec and test new forestry practices under future climate scenarios.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,023 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,307 | 0,263 |
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 ».