MétaCan
Menu
Back to cohort
Record W1500687304 · doi:10.7202/1031956ar

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

2015· article· fr· W1500687304 on OpenAlexaffvenueabout
Rock Ouimet, Louis Duchesne, Jean‐David Moore

Bibliographic record

VenuePhytoprotection · 2015
Typearticle
Languagefr
FieldBiochemistry, Genetics and Molecular Biology
TopicPlant Pathogens and Fungal Diseases
Canadian institutionsMinistère des Ressources naturelles et des Forêts
Fundersnot available
KeywordsForestryHumanitiesBiologyMolecular biologyGeographyPhilosophy

Abstract

fetched live from OpenAlex

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.199
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0000.000

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.

Opus teacher head0.009
GPT teacher head0.248
Teacher spread0.239 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations3
Published2015
Admission routes3
Has abstractyes

Explore more

Same venuePhytoprotectionSame topicPlant Pathogens and Fungal DiseasesFrench-language works237,207