Guide d’utilisation du simulateur de croissance forestière Natura-2014 sur Capsis
Bibliographic record
Abstract
Natura est un modèle de croissance forestière à l’échelle du peuplement pour les forêts du Québec. Il a été développé à la Direction de la recherche forestière du ministère des Forêts, de la Faune et des Parcs. Ce modèle fait varier directement les caractéristiques dendrométriques d’une placette, sans utiliser d’information à l’échelle de l’arbre, pour simuler l’évolution d’un peuplement. Pour faciliter les simulations, Natura a été intégré à la plateforme Capsis, élaborée par l’Institut National de Recherche en Agronomie de France et ses partenaires. Ce logiciel générique permet d’implanter différents modèles sous une même application, d’effectuer plusieurs simulations dans une même session et de comparer plusieurs scénarios sylvicoles. Il permet aussi de visualiser les résultats de simulation sous forme de graphiques et de les exporter sous forme de tableaux. Ce guide fournit les informations nécessaires à l’utilisation du modèle Natura sur la plateforme Capsis. Il explique la marche à suivre, de l’importation du fichier d’inventaire jusqu’à l’exportation des simulations, et présente les différentes options et fonctionnalités disponibles.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.040 | 0.017 |
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".