Estimating individual-tree aboveground biomass of tree species in the western U.S.A.
Notice bibliographique
Résumé
Using a large dataset compiled from studies over the years covering 23 tree species, we developed methods to estimate total and components (stem, bark, branch, and foliage) of aboveground live tree biomass. Missing components in the dataset were imputed using species-specific or generalized (species combined into softwood and hardwood groups) Dirichlet imputation. Geometric means of the imputed stem wood proportions were 8% and 9% higher than the observed geometric mean of stem wood proportions in softwood and hardwood species, respectively. For other components, the differences were within 1%. On average, the component ratio method (CRM), used for the official United States forest carbon inventories, underestimated the aboveground biomass (AGB, kg) predictions by 3.7% with a very wide range (–70.3% to 31.6%). Compared with the CRM approach, equations developed in this study reduced RMSE of AGB by as much as 145.0%. On average, new equations reduced RMSE in predicting individual-tree AGB by 15.5% compared with the CRM approach and by 3.9% compared with a calibration of CRM AGB. Predicting AGB as a function of stem volume was not as accurate as using direct AGB equations. Generalized component ratio equations may be suitable for the stem wood component but were highly biased for other components.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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) | 0,001 | 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 ».