Comparison of estimators in one-phase two-stage Poisson sampling in forest inventories
Notice bibliographique
Résumé
In the context of Poisson sampling, numerous adjustments to classical estimators have been proposed that are intended to compensate for inflated variance due to random sample size. However, such adjustments have never been applied to extensive forest inventories. This work investigates the performances of four estimators for the timber volume in one-phase two-stage forest inventories, where trees in the first stage are selected, at the plot level, by concentric circles or angle-count methods and a subset thereof are selected by Poisson sampling for further measurements to get a better estimation. The original two-stage estimator is the sum of two components: the first is the mean of Horwitz–Thompson estimators using simple volume approximations, based on diameter and species alone, of all first-stage trees in each inventory plot, and the second is the mean of Horwitz–Thompson estimators based on the differences between the simple volume approximations and refined volume determinations based on further diameter and height measurements on the second-stage trees within each inventory plot. This two-stage estimator is particularly useful because it provides unbiased estimates even if the simple prediction model is not correct, which is particularly important for small area estimation. The other three estimators rely on adjustments of the second component of the original estimator that are adapted from estimators proposed in the literature by L.R. Grosenbaugh and C.-E. Särndal. It turns out that these adjustments introduce a negligible bias and that the original simple estimator performs just as well or even better than the new estimators with respect to the variance.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,034 | 0,100 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».