MétaCan
Menu
← Retour à la cohorte
Enregistrement W1936967453 · doi:10.1139/cjfr-2015-0145

Modeling knot geometry from branch angles in Douglas-fir (<i>Pseudotsuga menziesii</i>)

2015· article· en· W1936967453 sur OpenAlexvenueno aff
Nathaniel Lee Osborne, Douglas A. Maguire

Notice bibliographique

RevueCanadian Journal of Forest Research · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensnon disponible
Organismes subventionnairesPacific Northwest Research StationU.S. Forest ServiceUniversity of WashingtonU.S. Department of Agriculture
Mots-clésKnot (papermaking)GeometryMathematicsChronosequenceCurvaturePithBotanyEngineering

Résumé

récupéré en direct d'OpenAlex

Lumber and veneer recovery from Douglas-fir (Pseudotsuga menziesii (Mirb.) Franco) trees depend on the size and distribution of knots. Two approaches have been used to simulate the effect of knots on recovery of these products: (i) prediction of recovery based on mill studies and (ii) simulated milling of virtual trees. A benefit of the latter approach is that different milling configurations may be tested. Knots in virtual logs are usually based on data from X-ray scanning. A novel approach was used in this study to model knot geometry by inferring the development of a branch knot over time from a chronosequence of branch angle and diameter measurements. Branch angle was modeled from a database of 17 953 branch measurements on 412 trees sampled in 16 Douglas-fir plantations. Branch angles from tree tip to crown base were assumed to represent a chronosequence describing the change in branch angle. Knot pith curvature was then derived from this chronosequence of branch angles and modeled as a first-degree inverse polynomial, conditioned on tree size and position within the tree bole. Knot pith curvature was predicted to follow a linear path near the tree tip and became more curved with increasing age and depth into the crown.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,116

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,057
Tête enseignante GPT0,294
Écart entre enseignants0,236 · 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'étudeSimulation ou modélisation
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

Citations28
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

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