Allometric equations for estimating aboveground biomass carbon in five tree species grown in an intercropping agroforestry system in southern Ontario, Canada
Notice bibliographique
Résumé
Abstract Allometric equations were developed for estimating aboveground biomass carbon (AGBC) in five tree species grown in a tree-based intercropping system at the University of Guelph Agroforestry Research Station, Guelph, Ontario, Canada. A total of 66 representative trees from five species: red oak ( Quercus rubra ) [n = 12], black walnut ( Juglans nigra ) [n = 16], black locust ( Robinia pseudoacacia ) [n = 10], white ash ( Fraxinus americana ) [n = 15], Norway spruce ( Picea abies ) [n = 13] were selected, harvested and their aboveground biomass and carbon content were quantified. Three commonly used allometric models were used to develop predictive equations. Regression models were developed and parameterized for each tree species and the best are presented based on information criteria (AIC, AICc, and BIC), mean absolute percentage error (MAPE), over/under estimation (MOUE), root mean square error (RMSE), R 2 , and regression coefficients (a, b) of the observed/predicted (OP) linear regression analysis. All equations with diameter at breast height (D) only and D and tree height (H) as the predictor variables fitted the AGBC data well, with R 2 > 97% and RMSE < 40. However, a power model using D as the only predictor is recommended as the best model for black walnut, black locust, white ash, and Norway spruce. The models presented are the best fitted allometric equations for the indicated species and are recommended for these species, growing on similar soils under the same temperate conditions at densities of < 125 tree per hectare.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 ».