MétaCan
Menu
Retour à la cohorte
Enregistrement W2102941336 · doi:10.1139/x01-102

The Spruce Budworm Decision Support System: forest protection planning to sustain long-term wood supply

2001· article· en· W2102941336 sur OpenAlexvenueno aff
David A. MacLean, Thom Erdle, Wayne E. MacKinnon, Kevin B. Porter, Kathy P Beaton, G Cormier, Shawn Morehouse, M G Budd

Notice bibliographique

RevueCanadian Journal of Forest Research · 2001
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSpruce budwormChoristoneura fumiferanaForestryEnvironmental scienceForest inventoryDecision support systemForest managementTortricidaeAgricultural engineeringGeographyEngineeringEcologyComputer scienceBiology

Résumé

récupéré en direct d'OpenAlex

The Spruce Budworm Decision Support System (SBW DSS) quantifies the marginal timber supply (m 3 /ha) benefits of protecting stands against spruce budworm (Choristoneura fumiferana (Clem.)) defoliation. It allows the user to quantify the volume benefit of protecting alternative areas and determine effects on forest development and annual allowable cut. Implementing the SBW DSS on a land base involves seven steps: (i) defining the base defoliation, or an explicit forecast of the defoliation level included in yield forecasts; (ii) compiling historical defoliation; (iii) defining base volume yields; (iv) obtaining the harvest schedule from the land base management plan; (v) building the stand impact matrix, which quantifies direct impacts of defoliation; (vi) building the forest impact matrix, which quantifies indirect impacts of defoliation on harvest schedules; and (vii) building the stand-history file, which contains all stand-level and defoliation data. These tasks are usually completed every 5 years. The remaining aspects of the planning methodology are implemented annually, including (i) recording the previous year's defoliation, (ii) estimating potential defoliation in the current year from budworm survey data, (iii) calculating volume loss or protection priority, (iv) generating budworm-caused volume loss maps, (v) digitizing potential spray blocks, and (vi) evaluating the protection program. Using ARC/INFO ® and ArcView ® geographic information system programs, the Protection Planning System component (PROPS) generates volume loss maps that can be used to help design and analyze costs and benefits of insecticide spray programs. Implementation of PROPS for the 450 000 ha Upper Miramichi Crown License in New Brunswick is described. Under "normal" and "severe" budworm outbreak scenarios, defined based on predictions of 1999–2008 defoliation, losses of 6.6 × 10 6 and 16.7 × 10 6 m 3 of spruce (Picea sp.) – balsam fir (Abies balsamea (L.) Mill.) volume were projected to occur on this land base.

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)0,006
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,581
Score d'incertitude au seuil0,969

Scores Codex et Gemma par catégorie

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

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 Opus0,027
Tête enseignante GPT0,298
Écart entre enseignants0,271 · 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

Citations94
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetFire effects on ecosystemsTravaux en français237 207