MétaCan
Menu
← Back to cohort
Record W7055158462

Characterising non-stand replacing disturbances and predicting growth rates of Canadian forests using satellite imagery

2023· other· en· W7055158462 on OpenAlexfundaboutno aff

Bibliographic record

Venuenot available
Typeother
Languageen
FieldEngineering
TopicLaser Design and Applications
Canadian institutionsnot available
FundersNatural Sciences and Engineering Research Council of Canada
KeywordsNatural regenerationCultural environmentForest regeneration
DOInot available

Abstract

fetched live from OpenAlex

La composition en espèces et la structure des écosystèmes forestiers sont le résultat d'interactions complexes entre les processus de recrutement, de croissance et de mortalité, influencés par les conditions environnementales. Les changements actuels du climat, combinés à l'augmentation de la fréquence et de l'intensité des perturbations, engendrent de l'incertitude quant à la productivité des forêts canadiennes dans le futur. Face à cette incertitude, il devient impératif d'adopter des pratiques d'aménagement forestier axées sur l'atténuation des risques, afin d'assurer le maintien des services écologiques offerts par ses écosystèmes, tout en répondant aux besoins en ressources de la société. Dans ce contexte, une prise de décision éclairée nécessite des informations précises et à jour sur l'état des forêts canadiennes. Historiquement, notre connaissance de l'état des forêts reposait sur les inventaires forestiers réalisés dans les provinces et territoires canadiens, qui fournissent des informations sur la disponibilité de la ressource, sa qualité et le rendement attendu. Les perturbations plus fréquentes et la réaction variable des forêts aux changements dans les conditions de croissance rendent toutefois difficile une évaluation complète et précise de la situation des forêts par l'intermédiaire des données issues des réseaux de placettes-échantillon. Les informations contenues dans les cernes de croissance des arbres permettent de mieux comprendre l'influence du climat et des perturbations sur la croissance. Toutefois, les limites imposées par la disponibilité de ces données et l'impossibilité de les collecter en continu sur l'ensemble du territoire forestier rendent leur utilisation peu pratique pour un suivi en temps réel de l'état des forêts. Ces défis peuvent toutefois être relevés par un recours accru aux technologies de télédétection. Les séries temporelles d'imagerie satellitaire, en particulier, fournissent une information en continu sur l'état des forêts, permettant la détection des perturbations ainsi que des changements graduels causés par l'action de stress climatiques. Alors que la plupart des études précédentes sur le sujet se sont principalement concentrées sur la détection et la cartographie de ces changements, peu d'attention a été accordée à la compréhension des causes sous-jacentes et à la quantification de leur impact sur la croissance forestière. Pourtant, ces informations sont cruciales pour mieux prévoir les conséquences des perturbations et des stress induits par le climat, puisque des réductions de croissance prononcées peuvent indiquer une mortalité imminente. Des données précises sur la croissance des forêts sont également essentielles pour une prise de décision éclairée en ce qui concerne les calendriers de récolte et les interventions sylvicoles. L'objectif général de ce projet de recherche était de caractériser l'impact des perturbations partielles et de fournir des informations spatialement explicites sur la croissance des forêts canadiennes en intégrant les données de séries temporelles Landsat et des données collectées sur le terrain. Les deux premiers chapitres de cette thèse ont exploré l'influence des perturbations partielles sur l'état de la canopée forestière et sur la croissance des peuplements affectés, en utilisant des données de placettes-échantillon permanentes et des carottes d'accroissement récoltées dans divers écosystèmes forestiers. Le troisième chapitre a intégré des mesures répétées de placettes-échantillon permanentes et des séries temporelles Landsat pour estimer le taux de croissance annuel net d'une forêt boréale en l'absence de perturbation. Les résultats présentés dans les trois chapitres de cette thèse montrent que des modèles statistiques basés sur des séries temporelles Landsat et calibrés à l'aide de mesures de placettes-échantillon permanentes ou de données de cernes annuels permettent de mesurer la croissance des forêts ainsi que les changements provoqués par des perturbations partielles. L'intégration d'autres sources de données de télédétection telles que le LiDAR facilite l'application des méthodes utilisant l'imagerie satellitaire dans un contexte d'aménagement forestier et permet de prendre en compte de l'influence de facteurs biophysiques et écologiques qui ne peut être captée par l'imagerie satellitaire. Les méthodes et approches proposées dans cette thèse ont le potentiel d'être étendues à un plus large éventail de biomes forestiers en tirant parti de bases de données existantes, améliorant ainsi notre capacité à suivre l'état des forêts canadiennes dans un contexte de changements 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 imitation

Not 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.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.028
Threshold uncertainty score0.057

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0000.001
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0020.002
Science and technology studies0.0010.000
Scholarly communication0.0010.000
Open science0.0010.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0010.000

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.

Opus teacher head0.018
GPT teacher head0.227
Teacher spread0.210 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2023
Admission routes2
Has abstractyes

Explore more

Same topicLaser Design and Applications→French-language works237,207→