Effets des pratiques sylvicoles sur les traits fonctionnels des\ncommunautés végétales de friches arbustives
Bibliographic record
Abstract
Différents modes de réhabilitation forestière des sites agricoles abandonnés peuvent affecter la diversité végétale des sites. L’analyse des traits fonctionnels des plantes pourrait permettre de révéler l’effet des différentes pratiques sylvicoles suggérées. L’étude porte sur deux communautés de friches arbustives ayant reçu la plantation de trois espèces d’arbres\nfeuillus. La préparation des sites par un débroussaillement total ou par bande, combinés ou\nnon d’herbicide offre l’occasion de mesurer l’effet de ces traitements sur la distribution des\ntraits fonctionnels des communautés végétales après onze ans.\nLes résultats d’une analyse du 4e coin montrent un effet des traitements sur les traits\nfonctionnels des communautés et ce, davantage sur le site où la transmission de la lumière\nest supérieure. Un débroussaillement par bande permet un recul successionnel moins grand\nque total, avec la présence de plusieurs traits fonctionnels liés aux espèces de fin de\nsuccession tels que les phanérophytes et les espèces à semences de plus grande taille Un\ndébroussaillement total résulte plutôt en une présence accrue des espèces exogènes et des\nintolérantes à la lumière. L’application d’herbicide influence peu la distribution des traits\nmais augmente la croissance du noyer noir lors de débroussaillement total et dans une\nmoindre mesure lors de débroussaillement en bande.\nLe peu de différenciation significative de survie et de croissance en hauteur des\narbres entre les traitements permet de proposer un débroussaillement par bande plutôt que\ntotal, afin de diminuer le recul successionnel, tout en nécessitant un moins grand recours à\nl’herbicide.
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) | 0.005 | 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".