Écophysiologie de l'épinette noire des pessières à mousses et à lichens nordiques
Bibliographic record
Abstract
Les changements climatiques sont susceptibles d’affecter la croissance, le développement et la régénération des pessières noires de la forêt boréale. Les échecs de régénération dans les pessières à mousses (PM) de l’ouest du Québec causent des trouées dans la mosaïque forestière dense et augmentent la proportion de pessières à lichens (PL) dans le paysage. Les objectifs de l’étude sont de déterminer si les caractéristiques contrastantes des PM et des PL engendrent différents taux de photosynthèse maximale (Amax) chez les épinettes noires sur un gradient latitudinal ou saisonnier. Ensuite, l’étude tentera de déterminer si le Amax des individus reflète leurs capacités physiologiques par leur taux de carboxylation maximal (Vcmax) et de transport des électrons maximal (Jmax) extraits de courbes de réponse au CO2. Les taux de Vcmax et Jmax sont différents entre les PM et les PL car l’acquisition de ces nutriments semble différente. La latitude influence les valeurs de Vcmax et Jmax, mais l’effet serait causé par les caractéristiques floristiques et la composition du sol des placettes plutôt que par la latitude. Les capacités physiologiques ne se reflètent pas dans les valeurs de Amax, autant pour le type de peuplement que la latitude, car Amax serait limité par la concentration en CO2 qui ne permet pas la saturation de l’enzyme rubisco. Malgré l’absence de différence entre le Amax des PM et des PL, l’augmentation de la concentration en CO2 et de la température risque de créer un écart de Amax entre les types de peuplement, considérant leurs capacités physiologiques différentes.
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 | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".