MétaCan
Menu
← Retour à la cohorte
Enregistrement W4361861095 · doi:10.5558/tfc2023-013

Prévision de la période de rotation en contexte de coupe partielle pour les peuplements mixtes de bouleaux jaunes et de résineux du Québec

2023· article· fr· W4361861095 sur OpenAlexaffvenueabout
par Hugues Power, Patricia Raymond, François Guillemette, Steve Bédard, Daniel Dumais, Isabelle Auger

Notice bibliographique

RevueThe Forestry Chronicle · 2023
Typearticle
Languefr
DomaineEnvironmental Science
ThématiqueForest Management and Policy
Établissements canadiensMinistère des Ressources naturelles et des Forêts (Québec)
Organismes subventionnairesnon disponible
Mots-clésForestryHumanitiesArtGeographyPhysics

Résumé

récupéré en direct d'OpenAlex

Depuis le milieu des années 1990, des coupes partielles sont utilisées de manière généralisée dans les bétulaies jaunes résineuses (BJR) de la forêt tempérée du Québec. Nous avons étudié l’effet de la surface terrière résiduelle sur la composition du peuplement et sur le temps nécessaire pour reconstituer une surface terrière marchande permettant généralement de réaliser une seconde coupe partielle selon les standards habituels de l’aménagement forestier au Québec. Pour ce faire, nous avons utilisé un jeu de données rassemblant 9 dispositifs expérimentaux ainsi que les simulations du modèle de croissance Artémis-2014 et d’un nouveau modèle, le modèle BJR, que nous avons étalonné à l’aide des données de l’étude. Nos résultats montrent que la surface terrière résiduelle influence l’accroissement annuel périodique des peuplements, lequel est maximal de 10 à 15 ans après la coupe. La surface terrière résiduelle influence aussi le temps de rotation et la composition du peuplement futur. Nous avons estimé un temps de rotation moyen de 24 ans pour une surface terrière résiduelle moyenne de 18 m2·ha-1, puis de 40 ans pour une surface terrière résiduelle moyenne de 14 m2·ha-1. Pour ce dernier, nos résultats indiquent également que des essences opportunistes de moindre valeur commerciale, comme l’érable rouge, pourraient devenir plus abondantes.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,376
Score d'incertitude au seuil0,757

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,012
Tête enseignante GPT0,286
Écart entre enseignants0,274 · 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'étudeSimulation ou modélisation
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
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Forestry Chronicle→Même sujetForest Management and Policy→Travaux en français237 207→