Relation entre la composition foliaire et la présence de la maladie corticale du hêtre dans les stations du Réseau d’étude et de surveillance des écosystèmes forestiers du Québec
Bibliographic record
Abstract
La maladie corticale du hêtre (MCH) est de plus en plus fréquente dans les forêts de l’est de l’Amérique du Nord. Des chercheurs ont avancé l’hypothèse que l’expansion de cette maladie pourrait être en partie liée au statut nutritif des arbres. Pour tester cette hypothèse, nous avons vérifié la relation entre l’apparition de cette maladie et la composition du feuillage du hêtre ( Fagus grandifolia Ehrh.) dans les stations du Réseau d’étude et de surveillance des écosystèmes forestiers du Québec. Sur les 14 stations contenant du hêtre, cinq présentaient des symptômes de la maladie entre 2006 et 2012. Les arbres infectés étaient en moyenne de plus grand diamètre que ceux qui ne l’étaient pas. La présence de la MCH était liée en partie à la composition foliaire des arbres (pseudo-R 2 : 0,551). L’analyse indique que plus le rapport N/P du feuillage du hêtre est élevé, plus la probabilité d’infection par la MCH est importante; et plus les rapports Zn/Mn et Mg/K du feuillage sont élevés, plus la probabilité d’infection par la MCH est faible. Ces rapports donnent à penser que les conditions d’acidification du sol et de drainage influencent la vigueur des arbres et, conséquemment, leur vulnérabilité à la MCH.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".