Deriving internal crown geometric features of Douglas-fir from airborne laser scanning in a realized-gain trial
Notice bibliographique
Résumé
Abstract Tree improvement programs are critical to establishing high yield seed sources while maintaining genetic diversity and developing sustainable plantation forests. Douglas-fir (Pseudotsuga menziesii (Mirb.) Franco) is commonly used in improvement programs due to its superior strength and stiffness properties. Progeny testing trials in British Columbia (BC), Canada aim to increase stem volume without sacrificing wood quality. As genetically improved stock in BC is entering its fourth generation, wood quality and branch attributes are becoming more important as selection criteria evolve. This study investigates the utility of Airborne Laser Scanning (ALS) to produce metrics that describe branch attributes, and test whether these attributes showed differences in trees of three different genetic gain levels (GL); Wild-Stand (WS), Mid-Gain (MG) and Top-Cross (TC), planted at two different spacings (2.9 m and 4.0 m) in a realized-gain trial. New methods were developed to utilize ALS data to estimate metrics such as branch angle, length and volume using a point clustering approach. The relative impact of GL and spacing on branch attributes were assessed. Spacing was significant for branch angle (2.9 m = 73.53°, 4.0 m = 72.46°), whereas GL (WS = 0.861 m, MG = 0.917 m, TC = 0.948 m) and spacing (2.9 m = 0.884, 4.0 m = 0.942) were significant for length. For all metrics, TC trees at 4.0 m spacing were consistently significantly different whenever GL or the interaction effect was significant. This data provide an insight into how ALS can be used to model branch attributes, whereas the ability to analyse trees by plot, individual tree and individual branch attributes further allows researchers and foresters to maximize the value of ALS data. Findings from this research can be integrated into large-scale programs not just for monitoring trees, but also for identifying new trees that can display attributes associated with larger volumes and increased value.
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 | 0,002 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».