Cycle des nutriments dans les mares d’une tourbière ombrotrophe du sud du Québec
Bibliographic record
Abstract
Les mares sont abondantes dans les tourbières nordiques mais aucune recherche ne s’est penchée spécifiquement sur les cycles des nutriments dans ces environnements. Ce mémoire vise donc à comprendre les cycles de l’azote (N), du phosphore (P) et du carbone (C) dans les mares d’une tourbière ombrotrophe du sud du Québec, et à déterminer quels facteurs environnementaux contrôlent ces cycles. Pour ce faire, les relations entre la chimie des mares et leurs caractéristiques physiques et biologiques ont été étudiées. Les caractéristiques des mares expliquaient 28.2% de la variation dans la chimie de l’eau entre les mares. De cette variation, 81.9% et 14.8% étaient expliqués respectivement par la profondeur et le type de végétation entourant les mares. Les mares les moins profondes présentaient des concentrations en C et en N beaucoup plus élevées que les mares les plus profondes. Le C organique des mares où la végétation était dominée par des conifères était en outre plus récalcitrant à la décomposition que celui des mares où la végétation était composée majoritairement de mousses. L’influence de la profondeur a été confirmée par un suivi saisonnier de mares de tailles différentes. Au cours de la saison de croissance 2016, la biogéochimie des mares de faible profondeur et des mares les plus profondes a évolué de façon significativement différente. Les concentrations en P étaient minimes dans toutes les mares et tout au long de l’été, confirmant l’aspect limitatif de cet élément dans ces environnements. Mes travaux ont démontré que la chimie d’une tourbière ombrotrophe n’est pas seulement dictée par les intrants atmosphériques, mais aussi par des processus biogéochimiques internes. Cette étude a donc permis de mettre en lumière la complexité de ces environnements.
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 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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".