MétaCan
Menu
← Retour à la cohorte
Enregistrement W1862759562 · doi:10.1139/x11-054

Assessing the effect of measurement error in age on dominant height and site index estimates

2011· article· en· W1862759562 sur OpenAlexaffvenueabout
Chengcai Ni, Gordon D. Nigh

Notice bibliographique

RevueCanadian Journal of Forest Research · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensMinistry of ForestsGovernment of British Columbia
Organismes subventionnairesnon disponible
Mots-clésEstimatorStatisticsMathematicsSite indexObservational errorVariance (accounting)Projection (relational algebra)Pinus <genus>Variance componentsIndex (typography)EconometricsGeographyComputer scienceForestryAlgorithm

Résumé

récupéré en direct d'OpenAlex

Stand age is often hard to measure accurately. Measurement error in age affects height estimates when height is projected from one age to another age. In this study, our objective was to derive an estimator for the variance of the component of projection error associated with the error in age. To evaluate the estimator, a simulation approach was employed and the results showed that the estimator worked well in most cases. When the variance of the error in age increases and the projection is forward, however, the estimator might not work as well as in other cases. Another objective was to examine how the error in age behaved under different height–age models and to what extent it affected height and site index estimates. The effect of the error in age depended on its magnitude, the height–age model, initial value of dominant height and age, and projection length. It was also shown that the effect was sometimes negligible, but it could be considerable in other cases. Data from 80 ponderosa pine ( Pinus ponderosa Dougl. ex Laws.) trees in British Columbia, Canada, were used in an illustrative example.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,038
score de la tête « metaresearch » (Gemma)0,124
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,199

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0380,124
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,066
Tête enseignante GPT0,321
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2011
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest Research→Même sujetForest ecology and management→Travaux en français237 207→