Indice de qualité de station des pessières noires irrégulières
Bibliographic record
Abstract
L'objectif de cette étude est de mettre au point un modèle mathématique reliant la hauteur dominante et l'âge des peuplements dominés par l'épinette noire (Picea mariana (Mill.) B.S.P.) au Québec, ce qui inclut les pessières irrégulières. Ce modèle, qui tient compte de la structure diamétrale du peuplement, a été étalonné à partir des données provenant des inventaires du réseau de placettes échantillons permanentes, recueillies entre 1970 et 2003 dans la province de Québec. Plusieurs indices de régularité ont été testés selon l'approche méthodologique de Raulier et al. (2003). Le modèle hauteur-âge utilisant l'indice de Shannon comme indice de régularité s'est avéré le plus performant pour prédire la hauteur dominante de l'épinette noire. Pour un âge donné, le modèle prédit une hauteur dominante plus élevée dans le cas des peuplements irréguliers que dans celui des peuplements réguliers. Par ailleurs, l'asymptote de hauteur dominante des peuplements irréguliers est atteinte beaucoup plus tard que dans le cas des peuplements réguliers. Ces effets sont plus marqués pour les stations caractérisées par une forte valeur d'indice de qualité de station. Cette différence est probablement liée au comportement adopté par les arbres des peuplements irréguliers qui, au stade juvénile, auraient subi une période d'oppression. Une fois que ces arbres sont dominants, ils adoptent une croissance en hauteur semblable à celle des arbres plus jeunes. Finalement, l'équation hauteur-âge ainsi mise au point est indépendante de l'âge de référence, ce qui permet la prédiction de la hauteur dominante à n'importe quel âge désiré si la hauteur dominante à un autre âge est connue.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".