Modelling seasonal dynamics of secondary growth in R
Notice bibliographique
Résumé
The monitoring of seasonal radial growth of woody plants addresses the ultimate question of when, how and why trees grow. Assessing the growth dynamics is important to quantify the effect of environmental drivers and understand how woody species will deal with the ongoing climatic changes. One of the crucial steps in the analyses of seasonal radial growth is to model the dynamics of xylem and phloem formation based on increment measurements on samples taken at relatively short intervals during the growing season. The most common approach is the use of the Gompertz equation, while other approaches, such as general additive models (GAMs) and generalised linear models (GLMs), have also been tested in recent years. For the first time, we explored artificial neural networks with Bayesian regularisation algorithm (BRNNs) and show that this method is easy to use, resistant to overfitting, tends to yield s‐shaped curves and is therefore suitable for deriving temporal dynamics of secondary tree growth. We propose two data processing algorithms that allow more flexible fits. The main result of our work is the XPSgrowth() function implemented in the radial Tree Growth (rTG) R package, that can be used to evaluate and compare three modelling approaches: BRNN, GAM and the Gompertz function. The newly developed function, tested on intra‐seasonal xylem and phloem formation data, has potential applications in many ecological and environmental disciplines where growth is expressed as a function of time. Different approaches were evaluated in terms of prediction error, while fitted curves were visually compared to derive their main characteristics. Our results suggest that there is no single best fitting method, therefore we recommend testing different fitting methods and selection of the optimal one.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,026 |
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 ».