Prévision de la période de rotation en contexte de coupe partielle pour les peuplements mixtes de bouleaux jaunes et de résineux du Québec
Bibliographic record
Abstract
Depuis le milieu des années 1990, des coupes partielles sont utilisées de manière généralisée dans les bétulaies jaunes résineuses (BJR) de la forêt tempérée du Québec. Nous avons étudié l’effet de la surface terrière résiduelle sur la composition du peuplement et sur le temps nécessaire pour reconstituer une surface terrière marchande permettant généralement de réaliser une seconde coupe partielle selon les standards habituels de l’aménagement forestier au Québec. Pour ce faire, nous avons utilisé un jeu de données rassemblant 9 dispositifs expérimentaux ainsi que les simulations du modèle de croissance Artémis-2014 et d’un nouveau modèle, le modèle BJR, que nous avons étalonné à l’aide des données de l’étude. Nos résultats montrent que la surface terrière résiduelle influence l’accroissement annuel périodique des peuplements, lequel est maximal de 10 à 15 ans après la coupe. La surface terrière résiduelle influence aussi le temps de rotation et la composition du peuplement futur. Nous avons estimé un temps de rotation moyen de 24 ans pour une surface terrière résiduelle moyenne de 18 m2·ha-1, puis de 40 ans pour une surface terrière résiduelle moyenne de 14 m2·ha-1. Pour ce dernier, nos résultats indiquent également que des essences opportunistes de moindre valeur commerciale, comme l’érable rouge, pourraient devenir plus abondantes.
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 | 0.002 |
| 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 | 0.001 |
| 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".