Évaluation visuelle des arbres feuillus sur pied et valeur des produits transformés
Bibliographic record
Abstract
Les forêts feuillues tempérées du sud du Québec ont une grande importance économique, car elles sont la principale source d’approvisionnement des industries des produits d'apparence en bois. Toutefois, la difficulté de relier l’apparence externe d’un arbre à la qualité interne de son bois engendre des incertitudes liées à l’approvisionnement, puisque la qualité des bois sélectionnés pour la récolte peut ne pas correspondre aux besoins réels des usines de transformation. L’objectif principal de ce projet était d’améliorer les prévisions des caractéristiques des approvisionnements de bois feuillu en reliant l’évaluation de la qualité des arbres sur pied à la composition du panier de produits transformés et à sa valeur monétaire. Un des facteurs internes qui affecte la valeur des sciages d’érable à sucre (Acer saccharum Marsh.) et de bouleau jaune (Betula alleghaniensis Britt.) est la présence d’une zone de couleur brun-rougeâtre au centre de la tige, appelée coloration de cœur. Un échantillonnage dans 12 localisations de la zone tempérée du sud du Québec a montré que les différences régionales de la proportion radiale de la zone colorée chez ces deux espèces étaient principalement attribuables à des facteurs liés au développement des arbres, tels que l’âge et les accroissements autour de la zone colorée. Une partie de la variabilité chez l’érable à sucre était aussi associée à la température minimale annuelle d'une localisation. Par ailleurs, l’étude de 64 érables à sucre et 32 bouleaux jaunes abattus, tronçonnés et sciés en planches a mis en évidence le fait que parmi tous les types de défaut qui doivent être pris en considération lors du marquage des arbres, les signes visibles d’infection fongique et les fentes avaient la plus grande influence négative sur la valeur des deux espèces. L’analyse des sciages a montré que la proportion des meilleurs grades augmentait avec la longueur et le diamètre des billes, ce qui fait qu’elle était plus élevée dans le bas de l’arbre. Les billes présentant une grande zone colorée ont produit davantage de bois de moindre valeur. Dans leur ensemble, ces résultats permettent d’établir des liens entre le classement visuel des arbres sur pied et la qualité de produits transformés permettant une meilleure prise de décisions liée à l’approvisionnement en bois feuillu.
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) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".