Modélisation de la croissance architecturale et radiale du pin blanc dans l’est du Canada selon des facteurs environnementaux et climatiques
Bibliographic record
Abstract
Un modèle de prédiction de la productivité forestière adapté à l’ontogénie et phénologie du pin blanc permettrait d’optimiser sa production. La croissance architecturale du houppier (longueur de la pousse annuelle et le nombre de ramifications annuel) et la croissance radiale (largeur du cerne annuelle) ont été mesurées sur quatre sites dans le Québec méridional. Ces variables réponses ont été mises en relation dans des modèles avec des variables explicatives soulevées par plusieurs études comme étant importantes pour la croissance du pin blanc ou d’autres espèces forestières. Ces modèles ont été séparés selon deux catégories de variables explicatives. Il s’agit de variables environnementales et climatiques. Le modèle le plus parcimonieux par catégorie et par variable réponse a été déterminé en utilisant le critère d’Akaike. Il s’agit alors du modèle le moins biaisé et le plus précis. Les modèles de croissance considérant des facteurs environnementaux comprenaient un indice de compétition indépendant de la distance ne tenant compte que des arbres compétiteurs d’un diamètre plus important que l’arbre cible dans un rayon d’influence de 8 m. Certaines variables climatiques mensuelles, de température et de précipitations, de l’année précédant la croissance et de l’année de la croissance sont ressorties comme importantes pour la croissance architecturales et radiales. Seul le modèle climatique de croissance radiale est suffisamment explicatif (65,9%) pour être considéré adéquat pour une simulation de prédiction de production forestière.
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 | 0.001 |
| 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 | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".