MétaCan
Menu
Retour à la cohorte
Enregistrement W2092162097 · doi:10.5558/tfc2013-136

Sensitivity of predictions of merchantable tree height, log production, and lumber recovery to tree taper

2013· article· en· W2092162097 sur OpenAlexafffundvenueabout
Chao Li, Hugh J. Barclay, Shongming Huang, Harinder Hans, Sirak Ghebremusse

Notice bibliographique

RevueThe Forestry Chronicle · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensAlberta Environment and Protected AreasCanadian Forest Service
Organismes subventionnairesCanadian Forest ServiceU.S. Forest ServiceFPInnovations
Mots-clésTree (set theory)MathematicsBark (sound)ForestryProduction (economics)Forest inventoryStatisticsEnvironmental scienceSensitivity (control systems)Wood productionForest managementGeographyEngineeringEconomics

Résumé

récupéré en direct d'OpenAlex

Tree taper models characterize the change in diameter from the bottom to the top of a tree, thereby contributing to the estimation of tree volume. This paper examines the sensitivity of predictions of merchantable height defined as the tree height at a given top diameter inside bark (DIB) determined by the utilization standard, log production, and lumber recovery to the eight parameters in Kozak’s (1988) tree taper model. We found that predictions of merchantable height and log production were sensitive to two parameters, whereas predictions of the percentage of lumber recovery were sensitive to one parameter. Because the three measures examined in this study are not very sensitive to tree taper, especially the percentage of lumber recovery that is of most concern to the forest industry, together with the relatively small variations in tree taper parameters across Canada and the limited contribution of tree taper to characterizing the value of lumber recovery at the stand scale, one could infer that it may be possible to develop a single Canadian national softwood tree taper model for predicting forest product variables such as log production and percentage of lumber recovery from forest inventory.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,344
Score d'incertitude au seuil0,683

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,008
Tête enseignante GPT0,201
Écart entre enseignants0,194 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations6
Publié2013
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetForest ecology and managementTravaux en français237 207