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
Bibliographic record
Abstract
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.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.004 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".