Germination et établissement de semis naturels d’épinette rouge (<i>Picea rubens</i>) dans des trouées sylvicoles de différentes tailles
Bibliographic record
Abstract
L’épinette rouge (Picea rubens Sarg.) est difficile à régénérer par ensemencement naturel après une intervention sylvicole. Pour étudier sa germination et son établissement, nous avons suivi durant 10 ans la dynamique des nouveaux semis dans des trouées sylvicoles de différentes tailles (petites: < 100 m2, moyennes: 100-300 m2, grandes: 700 m2). La densité de semis a été plus élevée dans les petites trouées, mais le taux de survie n'a pas dépassé 40%, laissant peu de semis vivants après 10 ans (< 200 ha-1). Les buttes ont été la meilleure microtopographie pour les semis. Nos résultats confirment le rôle important du bois en décomposition et de la mousse pour la germination et l’établissement sous couvert. Le bois pourri s'est avéré important pour l’établissement dans les grandes trouées, alors que l'humus a été plus favorable dans les moyennes trouées. Dans les petites trouées, les germinants et les semis établis se trouvaient autant sur de la mousse que sur de l'humus ou du bois pourri. Cependant, les faibles densités observées suggèrent que la plantation dans de petites ou moyennes trouées soit une avenue à explorer afin d'accélérer le renouvellement de l'espèce, d'autant plus si la régénération préétablie est déficiente.
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 | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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".