Modélisation des attributs de la fibre de bois à l’échelle locale à partir de métriques extraites du signal LiDAR terrestre : cas d’étude sur les forêts de conifères de Terre-Neuve.
Bibliographic record
Abstract
La capacité d’estimer les attributs de la fibre de bois (AFB) à l’échelle locale améliorerait considérablement l’information fournie par l’inventaire forestier actuel. Afin de mieux comprendre les facteurs d’influence sur les AFB, nous avons exploré la possibilité d’utiliser des estimés par télédétection de la structure forestière à l’échelle du groupement d’arbres et vérifier leur relation avec quatre AFB significatifs pour l’industrie : la densité et longueur de fibre, l’angle des microfibrilles de même que la rugosité. Notre étude a permis le développement de modèles prédictifs de ces quatre attributs en utilisant des métriques de structure en provenance de peuplements d’épinette noire (Picea mariana) et de sapin baumier (Abies Balsamea). Les métriques sélectionnées permettent de décrire quatre aspects structuraux de la forêt : la structure de canopée, la compétition dans un groupement d’arbres, la densité de végétation et la topographie locale. Des données LiDAR terrestre (Light Detection and Ranging) ont été acquises sur 53 sites répartis sur l’île de Terre-Neuve à l’aide du système Zoller+Fröhlich Imager 5006i et représentent la source d’information primaire pour l’extraction de nos métriques. Des échantillons par carottage ont été prélevés sur 10 arbres jugés représentatifs par site visité. Leur analyse par le processus SilviScan a permis de relever en détail l’état de leurs AFB. L’utilisation du critère d’information Akaike (AIC) et l’inférence multimodèle a permis d’identifier des modèles prédictifs ayant des coefficients de détermination allant de 63% à 72% dans le cas de l’épinette noire. Les métriques de structure traduisant l’aspect de compétition ont été identifiées comme étant d’importants prédicteurs. La capacité de prédiction des AFB pour le sapin baumier a toutefois été démontrée moins considérable avec des coefficients de détermination allant de 37% à 63% selon les attributs. Pour cette espèce, les métriques traduisant la structure de la canopée se sont avérées les plus importantes. Nos résultats démontrent l’importance de la structure forestière comme indicateur important de l’état des AFB et qu’ils peuvent servir dans la mise en place de modèles prédictifs pour estimer la distribution des AFB à l’échelle régionale.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".