Allometric models for predicting the aboveground biomass of Canada yew (Taxus canadensis Marsh.) from visual and digital cover estimates
Notice bibliographique
Résumé
The objectives of this study were to evaluate visual and digital estimates of percent cover as source data and to develop cover-based allometric models for the prediction of aboveground biomass of Canada yew ( Taxus canadensis Marsh.). Cover was determined from visual assessment and digital images captured over 25 plots (1 m2) at a model training site near Timmins, Ontario. Linear and power functions were fit to the cover–biomass data to develop models of foliage, stem, and total aboveground biomass. Both sources of cover data produced models that explained between 70% and 85% of the variance in the training data, with root mean square error estimates ranging from 27 g·m–2 (foliage) to 85 g·m–2 (total). Models based on visual cover data performed consistently better and were tested on independent data. Stem and total biomass were underestimated in the model testing data set; however, prediction statistics indicated that the linear and power forms of foliage biomass models were validated by the testing data. Final models of foliage biomass were developed from the entire data set, with mean absolute errors of 18.3 and 18.7 g·m–2 for the linear and power forms, respectively. Additional variables (e.g., plant height, age) may be required to provide general predictions of the woody biomass of Canada yew.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».