Nonuniform random sampling: an alternative method of variance reductionfor forest surveys
Notice bibliographique
Résumé
Areal sampling has been used extensively in forest inventories. Prior to the 1950s, areal sampling used fixed-area plots exclusively. The advent of variable radius plot (VRP) sampling provided a substantial improvement in efficiency, both in terms of reducing the variance of the estimator for attributes such as basal area and volume and in the amount of fieldwork required to collect samples. However, since the advent of VRP sampling, there have been few substantial improvements in the efficiency of areal sampling. The purpose of this paper is to illustrate how varying the distribution of sampling points to account for large scale spatial variation can further improve the efficiency of forest inventories. While this is not a new idea, the approach taken here attempts to present the material in such a way as to make it accessible to the broadest spectrum of inventory practitioners. The method, referred to as nonuniform random sampling, is developed using a small forest population where the attribute of primary interest is the total number of trees. A simulation study, drawing samples of 20 fixed-area plots, was performed to compare the new method with current practice. The standard deviation of the estimator of the number of trees was reduced by a factor of about 1.4, meaning that almost 40 sample plots would be needed to achieve equal variance of the estimator using plot locations that were uniformly distributed over the population. To illustrate the potential shortcomings of this approach, the performance of the estimator of the total basal area was studied concurrently. The standard deviation of this estimator actually increased by a factor of more than 2, meaning that fewer than five sample plots would have been needed if the plot locations had been located in accordance with a uniform distribution over the area. Thus, while this technique can substantially reduce the variance for a single or small set of spatially correlated attributes for which the inventory is designed, the estimators of other attributes can be seriously compromised.
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 | 0,016 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».