Estimation de l'importance relative des facteurs abiotiques et biotiques influençant la distribution spatiale de la paludification dans les forêts boréales du Nourd-Ouest du Québec
Bibliographic record
Abstract
Les forêts boréales, incluant la ceinture argileuse de l'Ontario et du Québec, soutiennent une importante industrie forestière. Dans cette région, le bois qui est récolté et utilisé pour la production forestière se trouve en partie dans des tourbières et est sujet à un processus naturel appelé paludification. Ce processus conduit progressivement à l'accumulation de tourbe qui commence directement dans le sol minéral sec et implique la formation de conditions saturées en eau. La paludification est influencée par l’interaction de facteurs abiotiques (climatiques et topographiques) et biotiques (type de végétation); elle réduit la température du sol, les taux de décomposition, l'activité microbienne et la disponibilité des nutriments pour la régénération et la croissance des arbres. En conséquence, la paludification entraîne une baisse de la productivité des forêts. Les paysages paludifiés sont composés d'une mosaïque de fragments, car ils représentent un domaine spatial et temporel de conditions environnementales relativement homogènes. A leur tour, les fragments de ces zones paludifiées sont intégrés dans le paysage et les conditions environnementales qui s'y trouvent sont prédominantes. Cette étude vise à fournir une meilleure compréhension et de nouvelles connaissances sur la distribution spatiale de l'épaisseur de la couche organique (ECO) en (1) construisant un modèle prédictif de l'épaisseur de la couche organique en utilisant des variables topographiques, climatiques et de type de végétation obtenues à partir du LiDAR, de la base de données Worldclim et de la carte écoforestière du Québec et en (2) déterminant les interactions entre les variables des facteurs abiotiques et biotiques. Nos résultats montrent que les variables topographiques, principalement la classe de drainage, l'élévation et la pente sont les variables qui influencent le plus l'épaisseur de la couche organique. De plus, il existe une interaction entre les variables parmi les facteurs abiotiques et biotiques. Principalement, entre la classe de drainage, la pente, température minimale, type de végétation et précipitations totales avec ECO, à l'exception de la variable topographique "aspect" dérivée du MNT. Enfin, la distribution spatiale des zones sujettes à la paludification a montré que le type prédominant dans la matrice sont les fragments avec des valeurs < 40cm de l’ECO avec un plus grand indice d’agrégation de 81,5%, tandis que les fragments avec des valeurs plus élevées ≥ 40 cm de l’ECO sont distribués dans cette matrice dans la zone d'étude avec un indice d’agrégation de 44,8%.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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".