MétaCan
Menu
Back to cohort
Record W2015542287 · doi:10.1139/x10-059

Probabilités de pertes des tiges individuelles, cinq ans après des coupes avec protection des petites tiges marchandes, dans des forêts résineuses du Québec

2010· article· fr· W2015542287 on OpenAlexaffvenueabout
Martin Riopel, Jean Bégin, Jean‐Claude Ruel

Bibliographic record

VenueCanadian Journal of Forest Research · 2010
Typearticle
Languagefr
FieldEngineering
TopicTree Root and Stability Studies
Canadian institutionsUniversité LavalCentre de Géomatique du Québec
Fundersnot available
KeywordsForestryGeographyBiologyHumanitiesArt

Abstract

fetched live from OpenAlex

La coupe avec protection des petites tiges marchandes est un type de coupe partielle qui consiste généralement à récolter toutes les tiges d’un diamètre à hauteur de poitrine (dhp) supérieur à 15,0 cm, tout en conservant les tiges de plus petites dimensions. Le succès du traitement, appliqué à des forêts résineuses mûres dominées par le sapin baumier ( Abies balsamea (L.) Mill.) ou l’épinette noire ( Picea mariana (Mill.) Britton, Sterns & Poggenb.), repose en partie sur la capacité des tiges protégées à survivre. Un modèle logistique mixte a été calibré à partir de 27 blocs expérimentaux établis au Québec. Ce modèle identifie les variables qui conditionnent les probabilités de pertes des tiges individuelles protégées de 5,1 cm et plus de dhp, par mortalité sur pied ou par chablis, 5 ans après des coupes avec protection des petites tiges marchandes. Les résultats indiquent que les probabilités de pertes après traitement sont largement tributaires des caractéristiques du peuplement avant coupe (surface terrière marchande, densité de gaules, proportion de pin gris ( Pinus banksiana Lamb.)), de la qualité des opérations (procédé de récolte, taux de protection des petites tiges marchandes) et des caractéristiques des tiges protégées au moment de la coupe (inclinaison, dhp, essence). Les variables associées à l’exposition aux vents et à l’écologie des stations n’ont pas permis d’améliorer le modèle. Afin d’éviter des pertes trop élevées, il importe de bien cibler les peuplements à traiter et de réaliser un suivi rigoureux des opérations de récolte.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.002
Version: metacan-v3-hybrid-931329e0061cValidation 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 score0.300
Threshold uncertainty score0.604

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.002
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0000.001
Bibliometrics0.0010.000
Science and technology studies0.0010.001
Scholarly communication0.0010.000
Open science0.0010.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0040.000

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 head0.070
GPT teacher head0.272
Teacher spread0.202 · 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 source (direct Gemma or distilled Codex), 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

Citations22
Published2010
Admission routes3
Has abstractyes

Explore more

Same venueCanadian Journal of Forest ResearchSame topicTree Root and Stability StudiesFrench-language works237,207