Evaluation of branch sampling, ocular assessments, and aerial surveys for estimating spruce budworm defoliation
Notice bibliographique
Résumé
We compared three methods for estimating current-year spruce budworm ( Choristoneura fumiferana (Clem.)) defoliation from 2014 to 2021 using a network of 99 permanent sample plots in central Gaspé Peninsula, Québec. Percent current-year defoliation was measured by assessing shoots from mid-crown branches, ocular ratings of all individual trees using binoculars, and provincial government aerial surveys. Ocular survey defoliation differed from branch sample defoliation in 5–6 out of 7 years, consistently underestimating defoliation, across the full range of defoliation severity observed. Nested mixed-effect models for fir–spruce combined, balsam fir, white spruce, and black spruce ocular survey defoliation bias resulted in marginal R2 of 0.40, 0.47, 0.82, and 0.86, respectively. Current defoliation severity and its interaction with previous year defoliation and weather conditions significantly affected ocular survey bias. Correspondence of aerial survey estimates and mean plot defoliation occurred in only 43% of all plot-years and ranged from 14%–58% in individual years. Differences between aerial survey defoliation and plot values mainly resulted from assigning an adjacent class (e.g., light <30% assigned as moderate 31%–70% defoliation) or misplaced defoliation polygon boundaries, suggesting that assignment of aerial survey defoliation to plots or specific ground areas needs ground truth sampling.
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 | 0,019 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».