Modélisation et cartographie des propriétés de la fibre de bois, à partir de données environnementales et d'inventaire forestier : cas de la forêt boréale à Terre-Neuve
Notice bibliographique
Résumé
L'industrie forestière cherche à mieux identifier la qualité de la fibre de bois des peuplements forestiers afin d'améliorer la planification et la gestion des opérations forestières, des étapes de planification jusqu'à la distribution, en passant pas les opérations de récolte. Pour se faire, une meilleure compréhension des relations qui unissent les attributs de la fibre de bois et les variables environnementales est proposée. Cette étude vise à quantifier ces relations, à l'échelle de la placette, afin de développer des modèles prédictifs pour l'île de Terre-Neuve. Les attributs de fibre de bois ont été mesurés grâce à l'analyse de carottes de bois de dix arbres par placette par la procédure SilviScan(TM) (FPInnovations, Vancouver) dans 77 placettes dominées par le Picea mariana (épinette noire) et 117 dominées par l'Abies balsamea (sapin baumier). Les placettes ont été sélectionnées pour représenter la gamme de gradients structuraux des peuplements forestiers présents à Terre-Neuve sur la base de la composition des espèces, la taille, densité de la couronne et les classes de qualité de site. Ce mémoire expose les méthodes et résultats de la modélisation liant les variables environnementales avec neuf attributs de fibre de bois (densité du bois, masse linéique, longueur des fibres de bois, module d'élasticité, angle des microfibrilles, épaisseur de la paroi des cellules, surface spécifique et périmètre de la cellule). Les variables environnementales comprennent des données d'inventaire forestier, des interpolations spatiales pour les données climatiques, et des variables géographiques. L'inférence multimodèle a été utilisée pour prédire les différents attributs de la fibre, à partir de modèles sélectionnés selon le critère d'information d'Akaike parmi un ensemble de modèles candidats. Des coefficients de corrélation variant de 0,25 à 0,63 ont été trouvés dans les différents modèles d'attributs de la fibre de bois. Une procédure de validation croisée a été utilisée pour valider les résultats de l'inférence multimodèle. Les erreurs quadratiques moyennes obtenues sont, de manière générale, assez proches de la valeur moyenne des attributs (< 10 %). La variable de l'âge et celle de l'éclaircie précommerciale ont été identifiées comme étant des variables d'influence. La modélisation des attributs de la fibre a permis une cartographie de la distribution spatiale pour l'île de Terre-Neuve. Les résultats présentés dans ce mémoire rencontrent les objectifs de modélisation prédictive des attributs de la fibre du bois au niveau du paysage à l'aide des variables environnementales et climatiques.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».