Évaluation de l'impact du changement climatique sur la défoliation de l'épinette noire par la tordeuse des bourgeons de l'épinette
Bibliographic record
Abstract
Les modèles écologiques actuels prévoient de profonds effets des changements climatiques sur les régimes de perturbations naturelles des forêts. La tordeuse des bourgeons de l'épinette (Choristoneura fumiferana) (TBE) est le principal insecte défoliateur dans l'est de l'Amérique du Nord. Les épidémies de TBE ont un impact majeur sur la structure et la fonction de la forêt boréale canadienne puisque la défoliation entraîne une diminution de la croissance des arbres, une augmentation de la mortalité et une baisse de la productivité forestière. Les épidémies de TBE sont devenues plus sévères au cours du dernier siècle à cause des changements climatiques; cependant, nous savons peu de choses sur la manière dont l'effet intégré du climat et du TBE modifie la croissance des espèces hôtes. Nous évaluons ici comment l’interaction entre le climat et la gravité de l'épidémie affecte la croissance de l'épinette noire (Picea mariana) pendant l'épidémie de TBE qui a eu lieu entre 1968-1988 et 2006-2017. Nous avons compilé des séries dendrochronologiques (2271 arbres), des données de sévérité de l'épidémie (estimée par la défoliation aérienne observée) et des données climatiques pour 164 sites au Québec, Canada. Nous avons utilisé un modèle linéaire à effets mixtes pour déterminer l'impact des paramètres climatiques, de la défoliation cumulative (des cinq années précédentes) et de leur effet couplé sur la croissance en surface terrière. À la gravité maximale de l'épidémie, la croissance en surface terrière de l'épinette noire a été réduite de 14 à 18 % sur les cinq années en raison de l'effet TBE. Cette croissance a été affectée par le climat : des températures minimales estivales précédentes plus élevées et un indice d'humidité climatique estival plus élevé ont réduit la croissance de 11 % et 4 % respectivement. En revanche, l'effet négatif de la défoliation a été atténué de 9% pour une température minimale plus élevée au printemps précédent et de 7% pour une température maximale plus élevée l'été précédent. Cette étude améliore notre compréhension des effets combinés de la TBE et du climat et aide à prévoir les dommages futurs causés par cet insecte dans les peuplements forestiers afin de soutenir la gestion durable des forêts. Nous recommandons également que les projections des écosystèmes dans la forêt boréale incluent plusieurs classes de défoliation de la TBE et plusieurs scénarios climatiques.
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 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 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".