MétaCan
Menu
Retour à la cohorte
Enregistrement W4230844368 · doi:10.1093/wjaf/17.2.66

Height Growth Models for Western Larch in British Columbia

2002· article· en· W4230844368 sur OpenAlexaffabout
David Brisco, Karel Klinka, Gordon D. Nigh

Notice bibliographique

RevueWestern Journal of Applied Forestry · 2002
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensGovernment of British ColumbiaUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésLarchSite indexWeibull distributionLogistic functionPopulationPhysical geographyMathematicsGeographyStatisticsForestryEcologyDemographyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract British Columbia's foresters currently use height growth curves developed with data from Montana to estimate the height and productivity of western larch (Larix occidentalis). The ability of the presently used curves to accurately predict the height growth of British Columbia's larch population is unknown. The production of new curves with local data could improve our ability to predict heights and allow increasingly precise yield projections in British Columbia. Data from 105 western larch stem analysis plots were collected from across the natural range of larch in British Columbia. The measured plots were naturally established, fire-origin, even-aged, and exhibited no indications of suppression or disease. A Richards function was fit to the data from each plot and used to generate height-age and site index information. Four models were fit to the plot data: conditioned logistic, Chapman Richards, conditioned Chapman Richards, and conditioned Weibull. The Chapman Richards model had the best fit to the data, although all four models had similar fit statistics. Overall, the Chapman Richards model is slightly more accurate at estimating heights than the currently used model. West.J. Appl. For. 17(2):66–74.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,237
Score d'incertitude au seuil0,476

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,199
Écart entre enseignants0,187 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWestern Journal of Applied ForestryMême sujetForest ecology and managementTravaux en français237 207