Characterizing forest structural types and shelterwood dynamics from Lorenz-based indicators predicted by airborne laser scanning
Notice bibliographique
Résumé
In this study, Lorenz curve descriptors of tree diameter inequality were used to characterize the dynamics of forest development in a shelterwood-managed Pinus sylvestris (L.) dominated area. The purpose was to stratify the forest area into forest structural types (FST) from airborne laser scanning (ALS)-based wall-to-wall predictions of the chosen indicators: Gini coefficient (GC) and Lorenz asymmetry (LA). A clear boundary at GC = 0.5 was found, which separated even-sized (below) and uneven-sized (above) areas. Furthermore, a need for including LA in the characterization of the uneven-sized areas was detected, to distinguish bimodal from reverse J-shaped stands. Beta regression was used for the ALS predictions, yielding RMSEs of 19.67% for GC and 11.01% for LA. Based on our results, we concluded that forest disturbance decreases GC, whereas seed regeneration increases GC and, therefore, gap dynamics are characterized by shifts between either side of the GC = 0.5 threshold. In even-sized stands, GC decreases toward maturity owing to self-thinning occurring at the stem exclusion stage. In uneven-sized stands, the skewness of the Lorenz curve indicates understory development, as ingrowth decreases LA. The possible applications of the resulting FST map are discussed; for instance, in identifying areas needing silvicultural treatments or evaluating forest recovery from disturbances.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 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 ».