Allometric models for aboveground biomass of ten tree species in northeast China
Notice bibliographique
Résumé
China contains 119 million hectares of natural forest, much of which is secondary forest. An accurate estimation of the biomass of these forests is imperative because many studies conducted in northeast China have only used primary forest and this may have resulted in biased estimates. This study analyzed secondary forest in the area using information from a forest inventory to develop allometric models of the aboveground biomass (AGB). The parameter values of the diameter at breast height (DBH), tree height (H), and crown length (CL) were derived from a forest inventory of 2,733 trees in a 3.5 ha plot. The wood-specific gravity (WSG) was determined for 109 trees belonging to ten species. A partial sampling method was also used to determine the biomass of branches (including stem, bark and foliage) in 120 trees, which substantially easy the field works. The mean AGB was 110,729 kg ha–1. We developed four allometric models from the investigation and evaluated the utility of other 19 published ones for AGB in the ten tree species. Incorporation of full range of variables with WSG-DBH-H-CL, significantly improved the precision of the models. Some of models were chosen that best fitted each tree species with high precision (R2 = 0.939, SEE 0.167). At the latitude level, the estimated AGBof secondary forest was lower than that in mature primary forests, but higher than that in primary broadleaf forest and the average level in other types of forest likewise.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».