Importance de l'imagerie spatiale à haute résolution pour la détection de l'effet de lisière en hiver
Bibliographic record
Abstract
En plus de leur taille, la configuration des coupes forestières influence la quantité de lisières dans un paysage. La martre d'Amérique est considérée sensible aux opérations forestières puisqu'elle évite les milieux ouverts comme les coupes forestières. Il n'est pas clair comment la martre réagit aux lisières des milieux ouverts. Celles-ci peuvent offrir des proies mais également exposer les martres à leurs prédateurs et aux intempéries. Nous avons analysé l'effet de ces lisières sur la répartition spatiale des mammifères en hiver, avec une attention particulière à la martre d'Amérique. Nous avons également comparé les résultats basés sur des images LiDAR de 2011 et 2016 et sur la couche thématique écoforestière du gouvernement du Québec afin de déterminer l'effet de la résolution spatiale sur la mesure des effets de lisière. Nous avons géolocalisé des pistes de martres et d'autres mammifères à la forêt Montmorency, le long de transects répartis systématiquement, entre 2009 et 2018. Nous avons comparé les distances des pistes et de points de référence disposés sur les transects aux lisières avec des modèles linéaires généralisés. Les pistes de martres se retrouvaient davantage éloignées des lisières d'ouvertures forestières que les points de référence, tout comme les espèces qu'elle consomme. Avec les images LiDAR, la distance des pistes de martres aux lisières de chemins, de rivières et de lacs ne se distinguait pas de celle des points de référence. Avec la couche thématique écoforestière, nous n'avons trouvé aucune influence des lisières forestières, suggérant qu'une délimitation précise des lisières est nécessaire pour en mesurer l'effet. L'évitement des lisières LiDAR était obtenu en n'appliquant aucune taille minimale aux ouvertures utilisées pour leur délimitation. La taille des coupes n'aurait donc pas d'influence sur l'évitement des lisières. Nous concluons qu'une configuration spatiale réduisant la quantité de lisières augmenterait la superficie d'habitat de la martre dans la sapinière à bouleau blanc de l'Est.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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".