Allometric modelling of crown width for white spruce by fixed- and mixed-effects models
Notice bibliographique
Résumé
Crown width is an important predictor for tree growth, crown surface area, forest canopy cover, tree-crown profiles and wildlife habitat indices. This paper developed crown width models for white spruce (Picea glauca (Moench) Voss) in Alberta using allometric fixed and mixed models with varying degrees of model complexity. Diameter at breast height was the most important predictor and was used in the base model. Crown ratio, height-diameter ratio and two competition indices (CIs) were additional predictors added to the base model to form four expanded models. At each level of complexity, a fixed model and a mixed model were fitted. Improved fits were achieved for both model types as model complexity increased, and all mixed models provided much better fits than their fixed model counterparts. Population-averaged (PA) predictions by fixed models, and typical mean (TM), PA and plot-specific (PS) predictions by mixed models were compared on both model fitting and validation data. TM and PA predictions by each mixed model were almost identical, and they were less accurate than PA predictions by the fixed model counterpart, especially for simpler models. Much better PS predictions by mixed models were observed on both datasets. Although the distancedependent CI was slightly better than the distance-independent CI, both were not recommended due to their marginal contributions to crown width predictions.
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 | 0,000 |
| 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 ».