Modeling of urban tree growth with artificial intelligence and multivariate statistics
Notice bibliographique
Résumé
Les conditions urbaines créent un milieu rude qui limite la croissance des arbres sur rue. Cette situation est préoccupante pour les administrations municipales qui investissent des sommes considérables dans leur programme arboricole. Afin de protéger adéquatement ce riche héritage, trois importantes actions doivent être entreprises. Premièrement, il y a lieu d'identifier des paramètres d'inventaire qui caractérisent au mieux le développement des arbres sur rue. Deuxièmement, afin d'appréhender la complexité des relations entre la croissance des arbres et les conditions environnementales, il est impérieux de définir une méthode analytique permettant le classement des arbres dans des groupes à croissance similaire. Enfin, de nouvelles pratiques d'inventaire efficaces doivent être établies. Afin d'atteindre ces objectifs, de nombreux paramètres ont été mesurés sur 1532 arbres et sites afférents (Montréal, Québec, Canada). Sept espèces arborescentes reflétant 75% de la composition du patrimoine montréalais planté sur rue ont été échantillonnées. Pour l'identification des paramètres d'inventaire, deux approches ont été retenues. La première consistait à utiliser les statistiques multidimensionnelles (analyses en coordonnées principales et des correspondances) pour estimer l'importance de variables biotiques. La deuxième approche, l'utilisation de l'analyse de contingence, visait à distinguer les paramètres abiotiques les plus significatifs. Les résultats de l'analyse multidimensionnelle ont révélé que les paramètres qualitatifs sont peu significatifs. À l'opposé, l'utilisation synchronique de 11 paramètres quantitatifs a permis de décrire adéquatement les différents stades physiologiques de l'arbre sur rue. L'analyse de contingence a démontré que certains facteurs environnementaux affectent la performance de certaines espèces ou de l'ensemble des espèces étudiées. Ainsi, neuf facteurs spécifiques sont à$
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».