Estimation of diameter distributions by means of airborne laser scanner data
Notice bibliographique
Résumé
Diameter distributions are an important source of information for estimating the timber assortment in forest stands. In this paper, a one-step procedure for deriving the parameters of a Weibull function, itself used to describe diameter distributions, is presented. A generalized linear model (GLM) is employed that allows for an estimation of the shape and scale parameters as functions of different predictors. The GLM was fit using 495 sample plots from a conventional sample-plot inventory. Plotwise height metrics derived from airborne laser scanner data serve as covariates (auxiliary variables). Each sample plot consists of four concentric circle plots, where the largest plot covers an area of 450 m2 (12 m radius). Trees with a diameter at breast height (DBH) <30 cm are measured only on the smaller circle plots. Because of this design, left- and right-truncated Weibull distributions, conditional on the DBH, were used to fit the data. The frequently used two-step procedure — in which the Weibull distribution is firstly fitted via maximum likelihood, and its parameters are then estimated via linear regression — requires an adequate number of observations per sample plot in the first step. Hence, this method would have been unsuitable for the data source at hand, because a mean of just 12 trees per sample plot was recorded. The visual comparison of the predicted Weibull distributions with observed data shows a good fit to the data. The mean of the DBH distributions was estimated with a root mean square error (RMSE) of 2.44 cm and a bias of 0.41 cm.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».