Modelling of wood density and fibre dimensions in mature Norway spruce
Notice bibliographique
Résumé
Basic density (BD), fibre length (FL), fibre width (FW), and fibre wall thickness (FWT) were investigated in 46 Norway spruce ( Picea abies (L.) Karst.) trees from five different stands in eastern Norway. From each tree, wood samples were collected in different radial and longitudinal positions. Random coefficient mixed models were used to investigate variation within as well as among trees, both within and among stands. The R 2 with random effects included, describing the best possible (individual) fit of the observed data to the models, were 0.90 for BD, 0.99 for FL, 0.88 for FW, and 0.91 for FWT. With only fixed effects, the best model explained 56% of the total variation for BD, 94.5% for FL, 61% for FW, and 63% for FWT. A common model for all trees, without tree and site information, predicted FL well but BD, FW, and FWT poorly. Adding site index, breast height diameter, and tree height to the models reduced the residual variance considerably for FW, FWT, and particularly BD, whereas only a minor improvement was gained for FL. The latter type of models might be easier to use for industrial purposes. Although information about ring width gave further improvements, ring width measurements are time consuming and difficult to perform in the forest and in industrial environments.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».