MétaCan
Menu
Retour à la cohorte
Enregistrement W2061360473 · doi:10.1139/x05-156

Comparison of three sampling methods in the characterizationof cork oak stands for management purposes

2005· article· en· W2061360473 sur OpenAlexvenueno aff
Maria‐João Paulo, Margarida Tomé, A. Otten, Alfred Stein

Notice bibliographique

RevueCanadian Journal of Forest Research · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensnon disponible
Organismes subventionnairesFundação para a Ciência e a Tecnologia
Mots-clésCorkQuercus suberSampling (signal processing)StatisticsEvergreenMathematicsCluster samplingFagaceaeEstimatorForestrySystematic samplingEnvironmental scienceEcologyBotanyComputer scienceGeographyBiologyPopulation

Résumé

récupéré en direct d'OpenAlex

The cork oak (Quercus suber L.) is an evergreen oak that has the ability to produce a continuous layer of cork tissue which regenerates after being removed. Cork oak stands can be diverse in structure. Young stands are often regularly spaced, whereas older stands usually show clustering and can be mixed with other species. Farmers assessing cork value use a zigzag sampling procedure within a stand. In this study we compare zigzag sampling with two other sampling methods, fixed-radius plot sampling and n-tree distance sampling, using a model for the costs of sampling. We used data from two cork oak stands in Portugal as well as data from six types of simulated stands. We found that zigzag is the poorest sampling method, as in most situations it produces estimators with larger bias and larger standard errors than that produced by the other two procedures. Fixed-radius plot sampling and n-tree distance sampling produce comparable results; however, fixed-radius plot sampling is preferred because it produces unbiased estimators.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,541
Score d'incertitude au seuil0,932

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,170
Tête enseignante GPT0,451
Écart entre enseignants0,281 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations11
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetRemote Sensing and LiDAR ApplicationsTravaux en français237 207