Modélisation de la succession naturelle en forêt boréale mixte de l’ouest du Québec
Bibliographic record
Abstract
Les perturbations naturelles, e.g. les feux et les épidémies d’insectes, jouent un rôle important dans la dynamique de succession des peuplements qui est caractérisée, à long terme, par des modifications dans la composition et la structure de ces peuplements. La modélisation est donc un outil utile pour prédire et comprendre la dynamique de la succession naturelle des peuplements ainsi que les impacts d’une perturbation sur celle-ci. Cette étude visait, d’une part, à évaluer l'aptitude du simulateur Sortie-ND à reproduire la dynamique naturelle des peuplements en forêt boréale mixte de l’ouest du Québec, et d’autre part, à évaluer les impacts de la plus récente épidémie de tordeuse des bourgeons de l'épinette (TBE ; 1972-1987) sur la dynamique naturelle des espèces dépendamment du stade de développement du peuplement. Nous avons comparé les changements de composition et de structure simulées à court terme (18 ans) de sept peuplements avec ceux observés sur une même durée. Nous avons également comparé la dynamique à long terme (100 ans) des espèces dans deux scénarios : pré-TBE (sans la TBE) et post-TBE (avec la TBE) pour évaluer les potentiels impacts de la TBE. Nos résultats des simulations à court terme montrent qu’il n’existe aucune différence significative entre la composition et la structure simulées et celles observées. En ce qui concerne la simulation à long terme, nos résultats montrent que la récente épidémie de la TBE a influencé la dynamique des espèces dans les peuplements mixte et résineux dominés par les hôtes de la TBE. Nous concluons que Sortie-ND peut reproduire la dynamique naturelle des peuplements en forêt boréale mixte et que, du point de vue de la gestion des écosystèmes, il s’avère être un outil fiable pour comprendre la dynamique naturelle de la forêt boréale mixte de l’ouest du Québec.
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 | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 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".