MétaCan
Menu
Retour à la cohorte
Enregistrement W7117369963 · doi:10.1093/forestry/cpaf088

A field study on critical height sampling with antithetic variate and importance sampling in estimating stand volume

2025· article· en· W7117369963 sur OpenAlexaff
X. Zhang, Zhirou Chen, Tzeng Yih Lam

Notice bibliographique

RevueForestry An International Journal of Forest Research · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueForest ecology and management
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSampling (signal processing)Basal areaVolume (thermodynamics)Random variateTree (set theory)Forest inventory

Résumé

récupéré en direct d'OpenAlex

Abstract Stand volume is usually estimated by volume or taper models. Models may not always be available or reliable for estimating stand volume. Critical Height Sampling with Antithetic Variate and Importance Sampling (AICHS), built on Critical Height Sampling (CHS), is a sampling method that estimates stand volume without relying on volume models. AICHS applies Importance Sampling and antithetic variate with a proxy taper function to determine a cross-sectional area on a tree stem from which its height is measured to reduce viewing angles. It has never been studied in the field. The objectives of this field study were to compare AICHS, AICHSCYL (simplification of AICHS assuming a cylindrical stem below breast height), and CHS in estimating mean and precision of stand volume, their relative efficiency, and measurement issues. We established 65 plots in planted forests of two coniferous tree species in central Taiwan. At each plot, we used three basal area factors (BAFs) to select trees for estimating stand volume with AICHS, AICHSCYL, and CHS. Results showed that mean stand volume of AICHS was less consistent across the three BAFs than CHS. Mean stand volume of AICHS was larger than that of AICHSCYL by 25–35 m3 ha−1. The precision of AICHS was 5.8–7.1%, but it could be lower or higher than CHS depending on the tree species and the choice of BAFs. AICHS is ~29%–49% less efficient than AICHSCYL and CHS. For AICHS, 50% of the antithetic critical height measurements were below about half of total tree height, and ~42% of the measurements were in tree crowns. In summary, our field assessment suggests that AICHS might have limited field applications given its inconsistent mean estimates and precision, lower efficiency, and potential sighting issues due to crown obstructions. Nonetheless, our study highlights the importance of this field study to understand field potentials and limitations in AICHS.

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)0,015
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,048
Tête enseignante GPT0,410
Écart entre enseignants0,361 · 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'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueForestry An International Journal of Forest ResearchMême sujetForest ecology and managementTravaux en français237 207