Reconstitution historique de la croissance de la hauteur dominante des peuplements forestiers mixtes : une approche par photogrammétrie et altimétrie laser
Bibliographic record
Abstract
La présente étude avait pour objectif principal d'examiner la validité des tables de rendement dans la prédiction de l'évolution de la hauteur dominante des peuplements mixtes situés dans la région du Lac Duparquet (Abitibi-Témiscaminque, Québec). Plus précisément, nous avons d'abord mesuré la hauteur de la canopée pour la période 1945 à 2003 à partir de modèles numériques de surface (MNS) et de modèle numérique de terrain (MNT) photo-lidar pour ensuite les comparer avec les valeurs prédites par les modèles de Pothier et Savard (1998). Notre étude envisageait également une analyse des facteurs environnementaux qui pourraient affecter le développement des peuplements mixtes et en conséquence, engendrer un biais dans la prédiction de la croissance de la hauteur de ceux-ci. Nous avons réussi à reproduire avec succès les procédures de télédétection, puisque nous avons observé une précision sub-métrique pour les mesures altimétriques des MNS de 1965 et 1983 (0.67 m et 0.60 m respectivement) et une précision d'environ 1.65 m pour 1945. L'erreur quadratique de la hauteur dominante calibrée varie entre 57 cm et 2.12 m et le biais moyen absolu est entre 36 cm à 1.8 m. À partir de l'analyse des changements de la hauteur dominante entre 1945 et 2003, nous avons constaté que les modèles proposés dans Pothier et Savard (1998) prédisent la hauteur dominante avec une grande acuité pour l'ensemble des peuplements étudiés, à l'exception des peuplements mixtes dominés par les résineux. Les erreurs de prédictions étaient en dessous de 10 % pour les peuplements purs (PF : biais = 1.32% (0.27 m), RMSE = 6.61 % (1.36 m); PR : biais = 3.08 % (0,37 m), RMSE : 5.17 % (0.62 m)), et ce, pour les peuplements de dominance feuillue ou résineuse. Pour les peuplements mixtes, cependant, nous avons observé que le modèle a tendance à sous-estimer la hauteur dominante, notamment pour les résineux (MF : biais = -4.67 % (-0.86 m), RMSE = 1l.38 % (2.11 m); MR : biais: -11.92 % (-1.74 m), RMSE: 20.77 % (3.03 m)). Lorsque nous avons analysé le biais de prédiction en utilisant les variables environnementales, nous avons constaté que trois variables ont contribué de manière significative à la prédiction de l'erreur : le nombre d'essences dans la placette, la tolérance à l'ombre de l'essence dominante, ainsi que le temps depuis la dernière perturbation. Ainsi, le problème dans l'estimation de l'évolution de peuplements mixtes résineux semble être lié à de nombreux facteurs qui vont du trait fonctionnel de l'essence dominante (le sapin baumier est tolérant à l'ombre), à la dynamique du peuplement (âge, nombre d'essences, stabilité de la cohorte dominante, effet de la TBE). \n______________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : forêt boréale mixte, modèles de croissance, hauteur dominante, photogrammétrie, altimétrie laser
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
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".