Modélisation spatiale des stocks en carbone, azote et phosphore des tourbières laurentiennes
Bibliographic record
Abstract
Les tourbières ont accumulé des quantités importantes de matière organique (tourbe) depuis le début de l’Holocène. La tourbe séquestre des quantités de carbone (C), d’azote (N) et de phosphore (P) substantielles à l’échelle globale. Cependant, très peu d’études ont estimé les stocks de ces nutriments à l’échelle régionale. De plus, les estimations actuelles sont souvent obtenues sans considérer la variabilité des profondeurs de tourbe et les variables biophysiques et physiques qui dictent la capacité de stockage en nutriments. Ce mémoire vise à estimer les stocks en C, N et P des tourbières d’une région du sud du Québec en modélisant les variations de profondeurs de tourbe et en identifiant quelles variables biophysiques et physiques expliquent la capacité de stockage en nutriments des différents types de tourbières. Le sondage manuel des sites d’études a révélé des différences significatives de profondeurs de tourbe entre les types de tourbières. La profondeur moyenne de tourbe obtenue pour les tourbières ombrotrophes était de 4,4 m alors que celles des tourbières minérotrophes et forestières étaient respectivement de 2,3 et 2,0 m. Les profondeurs ont été modélisées par interpolation spatiale pour chaque bassin d’accumulation de tourbe. La relation entre la superficie des tourbières et les stocks en C était significativement différente entre les tourbières ombrotrophes et les tourbières minérotrophes et forestières. Aucune variable étudiée ne permettait de discriminer les stocks en N et P selon le type de tourbière. Les stocks en C, N et P de la tourbe ont été extrapolés pour la région en utilisant la superficie des tourbières et estimés à 5,65 Tg C, 230,5 Gg N et 21,8 Gg P. Mes travaux ont démontré que l’hétérogénéité du bassin d’accumulation et les caractéristiques de surface influencent les stocks en C, N et P contenus dans la tourbe.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| 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".