Les effets de divers traitements sylvicoles sur la maîtrise de L’ALNUS INCANA SUBSP. RUGOSA (DU ROI) R.T. CLAUSEN) et la remise en production forestière en forêt boréale
Bibliographic record
Abstract
Des couverts denses d'aulnes rugueux (Alnus incana subsp. rugosa (Du Roi) R.T. Clausen) suite à la récolte peuvent résulter de l'augmentation de la disponibilité de la lumière et de la remontée de la nappe phréatique, empêchant l’établissement et la régénération de l’épinette noire dans les peuplements aménagés. Afin d'étudier le potentiel de restauration de la productivité de sites forestiers humides dominés par l'aulne rugueux, nous avons mis en place, à l'automne 2019, un dispositif expérimental dans lequel nous avons testé quatre méthodes de préparation de terrain (décapage, inversion, déchiquetage et témoin non traité) à la Forêt d'enseignement et de recherche du lac Duparquet, au Québec, Canada. À l'été 2020, nous avons mis en terre des plants d'épinette noire (Picea mariana (Mill.) BSP) dans chacun des traitements, et ensuite avons mesuré leur croissance ainsi que des variables environnementales (lumière, humidité du sol, température du sol, végétation concurrente) à l’été 2021 dans cinq parcelles de 100 m2 par unité expérimentale. Nos résultats ont révélé que les traitements de préparation de terrain présentent des effets bénéfiques sur la croissance et la taille des plants qui, en moyenne, ont doublé sur les sites traités (50% supérieurs aux sites non traités). Les plants reboisés dans le traitement de déchiquetage ont eu une meilleure hauteur et ont eu une plus longue pousse annuelle 2021 que ceux du traitement d'inversion, alors que tous les plants des traitements de décapage, de déchiquetage et d'inversion ont eu un diamètre statistiquement similaire. Le décapage, le déchiquetage et l'inversion ont permis de maîtriser la régénération des espèces concurrentes, à savoir les arbres, les arbustes, les aulnes et les fougères, tout en augmentant la présence des graminées, en particulier dans les traitements de décapage et d'inversion. Les conditions de température, d'humidité, de lumière et de pH du sol par les traitements de décapage, de déchiquetage et d’inversion n’ont pas favorisé une concentration significative des nutriments au sol et dans les aiguilles des semis reboisés par rapport au témoin. Nous avons constaté que les traitements de décapage et d'inversion ont influencé de façon similaire les propriétés physico-chimiques du sol des microsites créés, ainsi que des parcelles hors-placeaux. La diversité des conditions environnementales créées par le traitement d'inversion et l'amélioration significative du pH dans les sols de décapage et les sols hors-placeaux de l'inversion, ainsi que l'augmentation significative de K dans les sols hors-placeaux décapage, devraient être prises en compte par les sylviculteurs lors de la planification de projets de restauration forestière sur des sites humides. Un suivi à plus long terme est nécessaire pour mieux comprendre la contribution de l'aulne à l'apport de N dans les sites traités et évaluer la contribution économique des traitements dans les peuplements.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".