Géomorphologie et diversité végétale des marais du Cap Marteau et de l’Isle-Verte, estuaire du Saint-Laurent, Québec
Bibliographic record
Abstract
Cet article traite de l’influence des caractéristiques géomorphologiques et sédimentologiques sur la diversité végétale de trois marais de l’estuaire maritime du Saint-Laurent soumis aux mêmes conditions marégraphiques, mais situés à des degrés contrastés d’exposition aux processus marins. Des inventaires biophysiques de plus de 1 500 quadrats de 1,5 m x 1,5 m et une cartographie morphosédimentologique ont été effectués dans ces marais. Les résultats indiquent que la diversité végétale des marais actuels est fortement influencée par la combinaison des types de substrat et de la topographie découlant de la morphosédimentologie quaternaire et récente. L’équilibre entre les processus d’érosion et de sédimentation, contrôlés en partie par le degré d’exposition des marais aux processus marins, joue également un rôle important sur la diversité végétale des marais. Celle-ci, exprimée par l’indice de Shannon et la richesse végétale, atteint des valeurs maximales sur le schorre supérieur. Comme cette partie du marais est particulièrement sensible aux changements pouvant survenir dans le régime sédimentaire, la diversité végétale constitue un indicateur de l’état d’équilibre hydrosédimentaire des marais.
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| 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".