MétaCan
Menu
Retour à la cohorte
Enregistrement W4408113768 · doi:10.1016/j.foreco.2025.122559

Complexity in long-term stand dynamics of mixed-species, multi-cohort stands using an imputation/copula tree growth model

2025· article· en· W4408113768 sur OpenAlexaff
Yung-Han Hsu, John A. Kershaw, Aaron R. Weiskittel, Mark J. Ducey

Notice bibliographique

RevueForest Ecology and Management · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésCopula (linguistics)Imputation (statistics)EconometricsStatisticsMathematicsTerm (time)EcologyBiologyMissing dataPhysics

Résumé

récupéré en direct d'OpenAlex

Long-term stand structural dynamics are complex due to stochastic processes within natural systems. Although forest growth and yield models are widely used to forecast stand dynamics, there are still limitations in their ability to capture the full range of outcomes. An individual tree imputation/copula (I/C) model using nearest neighbor imputation and copula sampling is used to generate multiple projections to estimate uncertainty of future stand structures. The Nova Scotia permanent sample plots (NSPSP; n = 3250) were used as the reference data to simulate 500-year projections of Acadian Forest stand development. Species composition was more uncertain than size structure. Initial levels of red maple ( Acer rubrum L.) basal area significantly impacted long-term forest stand dynamics. Red maple basal area generally increased in all stand types while balsam fir (BF; Abies balsamea (L.) Mill) and red spruce (RS; Picea rubens Sarg.) generally decreased. Despite the relatively simple structure of the I/C model, complex stand dynamics can be predicted; however, the model is limited by the range of conditions represented in the reference data. The ability to estimate uncertainty in long-term stand development and the potential to assess forest management planning risk makes the I/C modelling approach a potentially powerful tool. • Imputation/copula (I/C) model is a new approach to assess projection uncertainty. • I/C model reflects range of conditions represented in the reference data. • Species composition has more uncertainty than size structure. • Red maple amounts drive future forest structures. • Broader ranges of reference data will improve I/C model performance.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,265
Écart entre enseignants0,242 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueForest Ecology and ManagementMême sujetForest ecology and managementTravaux en français237 207