Utilisation des propriétés spectrales pour détecter le stress dans les peuplements nordiques d'épinettes noires
Bibliographic record
Abstract
Dans la forêt boréale, l’augmentation de la fréquence et de la superficie d’îlots de pessières à lichens sur le territoire québécois a déjà été observée et pourrait résulter en une migration vers le sud de la limite nordique des pessières à mousses. Ce phénomène survient après des échecs de régénération, qui ont lieu lorsque le milieu est préalablement fragilisé lorsqu’une nouvelle perturbation affecte le peuplement. Avec la possibilité de détecter ce stress en analysant les propriétés spectrales de la végétation, les zones perturbées pourraient alors être identifiées. L’objectif principal de la présente étude est d’établir des liens entre d’une part, les informations extraites des signatures spectrales et d’autre part, les indices de végétation et les différents types de stress affectant les écosystèmes boréaux. Cela permettra de savoir s’il est possible d’identifier les pessières à mousses à risque de subir un accident de régénération en étudiant les propriétés spectrales de la végétation comme indicateur de stress. Pour répondre à cet objectif, des sites d’échantillonnage ont été positionnées aux 51e, 52e et 53e parallèles le long de la route de la baie James. Les placettes ont été regroupées en paires afin de faire des tests appariés et ainsi comparer les deux types de peuplements. Sur le terrain, les signatures spectrales ont été prises sur les feuilles aléatoirement prélevées sur cinq épinettes noires. Ces mesures ont été prises tout au long de la saison de croissance (3 campagnes d’échantillonnage). Quatre indices de végétation (NDVI, NDWI, PRI et SIPI) ont été extraits des signatures spectrales, et la pente moyenne du red-edge a été calculée. Les résultats obtenus ont permis de déterminer que certaines des pessières à mousses ont des valeurs très proches de celles des pessières à lichens, qui sont considérées comme des écosystèmes stressés. À partir de ces résultats, il est possible de supposer que le stress peut également être identifié à l’échelle du paysage (sur les images satellitaires) et ainsi permettre un suivi et une gestion après les feux et les épidémies afin de limiter les pertes de ce précieux écosystème.
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 | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| 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".