MétaCan
Menu
Retour à la cohorte
Enregistrement W2085837697 · doi:10.5558/tfc83754-5

Mise au point d'un tarif de cubage général pour les forêts québécoises : une approche pour mieux évaluer l'incertitude associée aux prévisions

2007· article· en· W2085837697 sur OpenAlexaffvenueabout
Mathieu Fortin, Josianne DeBlois, Sylvain Bernier, Georges Blais

Notice bibliographique

RevueThe Forestry Chronicle · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensMinistère des Ressources naturelles et des Forêts (Québec)
Organismes subventionnairesnon disponible
Mots-clésStatisticsMathematicsPlot (graphics)Volume (thermodynamics)ForestryEconometricsGeographyPhysics

Résumé

récupéré en direct d'OpenAlex

Merchantable volume assessment is of prime importance in forest management and for the estimation of wood production in Quebec Crown forests. Currently, this assessment is undertaken at the individual stem level according to a statistical model commonly identified as the Perron general stock table. This polynomial model is based on tree diameter at breast height and tree height. However, the mathematical model form and the method used to calibrate it do not enable a correct and detailed assessment of the uncertainty associated with volume assessments. This study describes a new model which, accounts for errors associated with the use of estimated height in volume forecasts and also limits the propogation of errors to sample plot and cruise line. Random effects have been specified in the model in order to take into account spatial correlation between observations made at the sample plot and cruise line level. Results indicate sample plot and cruise line random errors constitute components of model error, which individually range from 2 % to 4 % of volume assessment. Consequently, the basic premise that errors associated with volume assessment of individual stems are compensated by volume summations at the sample plot level is not valid. Key words: mixed model, random effect, error propagation, 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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,559
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,259
Écart entre enseignants0,243 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations34
Publié2007
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetForest ecology and managementTravaux en français237 207