Improving precision of field inventory estimation of aboveground biomass through an alternative view on plot biomass
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract We contrast a new continuous approach (CA) for estimating plot-level above-ground biomass (AGB) in forest inventories with the current approach of estimating AGB exclusively from the tree-level AGB predicted for each tree in a plot, henceforth called DA (discrete approach). With the CA, the AGB in a forest is modelled as a continuous surface and the AGB estimate for a fixed-area plot is computed as the integral of the AGB surface taken over the plot area. Hence with the CA, the portion of the biomass of in-plot trees that extends across the plot perimeter is ignored while the biomass from trees outside of the plot reaching inside the plot is added. We use a sampling simulation with data from a fully mapped two hectare area to illustrate that important differences in plot-level AGB estimates can emerge. Ideally CA-based estimates of mean AGB should be less variable than those derived from the DA. If realized, this difference translates to a higher precision from field sampling, or a lower required sample size. In our case study with a target precision of 5% (i.e. relative standard error of the estimated mean AGB), the CA required a 27.1% lower sample size for small plots of 100 m 2 and a 10.4% lower sample size for larger plots of 1700 m 2 . We examined sampling induced errors only and did not yet consider model errors. We discuss practical issues in implementing the CA in field inventories and the potential in applications that model biomass with remote sensing data. The CA is a variation on a plot design for above-ground forest biomass; as such it can be applied in combination with any forest inventory sampling design.
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.
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 découle