Impact de la sévérité de brûlage sur la régénération naturelle de pin blanc et de pin rouge
Bibliographic record
Abstract
Le pin blanc (Pinus strobus L.) et le pin rouge (Pinus resinosa Ait.) ont vu leurs abondances déclinées en raison de l’exploitation forestière, de l’exclusion des feux et de l’altération du régime des feux de forêt depuis l’industrialisation. Le brûlage dirigé est un outil potentiel pour restaurer ces pins, mais il manque de bases scientifiques solides. Pour étudier l’impact du feu sur la régénération des pins, nous avons sélectionné des régions dans les provinces canadiennes du Québec et de l’Ontario qui ont connu des feux naturels et brûlages dirigés entre 2016 et 2018 ’. Notre objectif était d'évaluer les conditions optimales pour le succès de régénération des semis de pin blanc et de pin rouge dans leur aire de répartition septentrionale, à la suite d’un brûlage dirigé. Nous avons émis l’hypothèse d’une densité de semis plus élevée en cas de sévérité moyenne des feux, de forte mortalité des arbres, d’abondance suffisante de pins semenciers, de lumière adéquate et de réduction de la compétition de la strate de sous-bois. En 2021, nous avons collecté des données sur la densité des semis et les conditions forestières dans 22 parcelles brûlées et 7 sites non brûlés. Nous avons constaté des corrélations négatives entre la sévérité des feux et la profondeur de la couche organique, de même qu’avec la survie des arbres et des gaules ainsi qu’une association positive entre la sévérité et la compétition du sous-bois. Les pins semenciers matures ont survécu jusqu’à une sévérité moyenne à élevée. Les densités de semis de pins variaient de 0 à 145 500 semis∙ha-1, avec une tendance quadratique significative (R2 de 0.38), culminant à des sévérités modérées. Grâce à un processus de sélection de modèles en trois étapes, nous avons identifié la sévérité des feux et les variables de texture du sol expliquant 64% de la variabilité de la densité des semis. Notre étude souligne le rôle des sources de semences, des conditions du lit de germination et de la sévérité des feux dans le succès de la régénération des pins après un incendie. Elle offre des perspectives aux gestionnaires forestiers sur où et comment réaliser des brûlages dirigés pour accroître la proportion de ces espèces de pins dans les forêts septentrionales du Nord-Est américain et ainsi rétablir les écosystèmes qui en dépendent.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 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) | 0.003 | 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".