Modélisation à fine échelle de la dynamique saisonnière, intrasaisonnière et spatiale des flux de CO₂ des sols en sapinière boréale
Bibliographic record
Abstract
En forêt boréale, le flux total de CO₂ du sol (F[indice CO2]) est le deuxième flux de carbone le plus important après la photosynthèse et peut représenter de 48 à 71% de la respiration totale de l'écosystème. Le F[indice CO2] dépend de l'état du sol à petite échelle, c'est-à-dire de sa température, de sa teneur en eau, de la quantité et de la qualité de la matière organique et de l'activité racinaire et microbienne. D'autres facteurs, appelés « facteurs externes », tels quel a topographie, les événements météorologiques et la hauteur de végétation influencent l'état du sol et donc indirectement le F[indice CO2]. Prédire le F[indice CO2] est complexe en raison du nombre important de facteurs à prendre en compte et des différents patrons de variation temporelle à modéliser. L'objectif de l'étude était de quantifier l'effet des facteurs externes susceptibles d'influencer la variabilité saisonnière, intrasaisonnière et spatiale des F[indice CO2] dans la forêt boréale. Des mesures de F[indice CO2] furent prises à la Forêt Montmorency (Québec, Canada) entre juin et octobre 2020. Un modèle de type Random forest regression fut utilisé pour prédire le F[indice CO2] en fonction de facteurs externes liés à la topographie, à la végétation et à la météo récente. Le modèle obtenu a permis d'expliquer 79 % de la variation des mesures de F[indice CO2]. Nos résultats ont démontré l'importance de la variation spatiale et intrasaisonnière (44 %) dans les mesures de F[indice CO2] par rapport à la variation saisonnière (35 %), ce qui a des implications pour la mesure et la modélisation de F[indice CO2]. La hauteur des arbres et la température de l'air furent les deux facteurs les plus importants pour prédire la valeur du F[indice CO2]. La méthodologie proposée permettrait de simuler le F[indice CO2] à partir de facteurs externes qui peuvent être obtenus à grande échelle à partir de relevés LiDAR et des données 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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".