Étude comparative du rendement des ceps de Seyval blanc, protégés du gel par la neige naturelle, par la neige artificielle et par buttage, au vignoble Sous les Charmilles à Rock Forest, Québec
Bibliographic record
Abstract
Suite aux nombreux insuccès qu'a connu la viticulture au Québec depuis l'arrivée des premiers colons, les vignerons québécois cultivent plutôt des hybrides qui tolèrent des températures hivernales de -30ÀC. Toutefois, les températures minimales extrêmes peuvent être de -40,0ÀC. Outre le froid, l'hiver québécois est souvent ponctué de périodes de gel sans neige. Le buttage est la protection hivernale la plus utilisée au Québec. En plus d'être onéreuse, elle abîme les ceps, les rend plus vulnérables aux maladies et réduit leur longévité. Conserver un couvert nival tout l'hiver par l'application de neige artificielle réduirait les dommages aux vignes causés par le manque de neige et par le gel. L'objectif est de démontrer que les ceps de Seyval blanc protégés avec de la neige artificielle ont un rendement supérieur à celui des ceps buttés. L'étude s'est échelonnée sur deux ans lors desquels quatre campagnes d'échantillonnage ont eu lieu. L'échantillonnage d'hiver visait à caractériser la neige alors que, l'échantillonnage estival visait l'observation du développement des ceps."--Résumé abrégé par UMI.
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 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 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".