Modelling sapling density for sugar maple-dominated mixed stands of eastern Canada
Notice bibliographique
Résumé
Saplings (tree species whose diameter at breast height ranges from 1.1 to 9.0 cm) are important in forest growth and development. Their abundance and density can lead to specific forest successional trajectories and ecosystem characteristics. Yet, the consideration of saplings in forest management planning is a relatively new topic and is still rarely included in forest growth models. We developed sapling density models for 10 species groups with the objective of providing forest managers with additional tools to support the development of more precise prediction systems. We used dendrometric and environmental variables to model sapling density and species-wise density ratios. We evaluated Poisson and gamma regressions for the modelling of sapling density and zero-inflated logistic regressions to model species ratios. We used repeated measurements (from 1982 to 2019) from permanent sample plots located in hardwood forests in northeastern North America. Our results show that the gamma regression was superior to the Poisson regression. The cross-validated mean bias using gamma regression was 55 stems·ha−1 with a relative percentage error of 2.5% and an R2 of 0.43. The species-wise sapling density ratio model had an overall R2 of 0.93, and the species-wise mean R2 ranged between 0.90 and 0.96. Among the examined model covariates, stem density of merchantable-sized trees and latitude were significant in both models. We believe that the models we developed can be useful for forest management planning and sustainable merchantable production.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».