Improvement of low level bark beetle damage estimates with adaptive cluster sampling
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<ja:p>Detection of low level infestation in forest stands is of principle importance to determine effective control strategies before the attack spread to large areas. Of particular concern is the ongoing mountain pine beetle, Dendroctonus ponderosae (Hopkins) epidemic, which has caused approximately 14 million hectares of damage to lodgepole pine (Pinus contorta Dougl. ex. Loud var. latifolia Engl.) forests in western Canada. At the stand level attacked trees are often difficult to locate and can remain undetected until the infestation has become established beyond a small number of trees. As such, methods are required to detect and characterise low levels of attack prior to infestation expansion, to inform management, and to aid mitigation activities. In this paper, an adaptive cluster sampling approach was applied to very fine-scale (20 cm) digital aerial imagery to locate mountain pine beetle damaged trees at the leading edge of the current infestation. Results indicated a mean number of 7.36 infested trees per hectare with a variance of 18.34. In contrast a non-adaptive approach estimated the mean number of infested trees in the same area to be 61.56 infested trees per hectare with a variance of 41.43. Using a relative efficiency estimator the adaptive cluster sampling approach was found to be over two times more efficient when compared to the non-adaptive approach.</ja:p>
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle