Mapping black ash dominated stands using geospatial and forest inventory data in northern Minnesota, USA
Notice bibliographique
Résumé
Emerald ash borer (EAB; Agrilus planipennis Fairmaire, 1888) has been a persistent disturbance for ash forests in the United States since 2002. Of particular concern is the impact that EAB will have on the ecosystem functioning of wetlands dominated by black ash (Fraxinus nigra Marsh.). In preparation, forest managers need reliable and complete maps of black ash dominated stands. Traditionally, forest survey data from the United States Forest Inventory and Analysis (FIA) Program have provided rigorous measures of tree species at large spatial extents but are limited when providing estimates for smaller management units (e.g., stands). Fortunately, geospatial data can extend forest survey information by generating predictions of forest attributes at scales finer than those of the FIA sampling grid. In this study, geospatial data were integrated with FIA data in a randomForest model to estimate and map black ash dominated stands in northern Minnesota in the United States. The model produced low error rates (overall error = 14.5%; area under the curve (AUC) = 0.92) and was strongly informed by predictors from soil saturation and phenology. These results improve upon FIA-based spatial estimates at national extents by providing forest managers with accurate, fine-scale maps (30 m spatial resolution) of black ash stand dominance that could ultimately support landscape-level EAB risk and vulnerability assessments.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».