Centre de documentation
scientifique

Crown allometry and growing space requirements of four rare domestic tree species compared to oak and beech: implications for adaptive forest management / Julia Schmucker in European Journal of Forest Research, vol 141 n° 4 (August 2022)  

Public [article]  inEuropean Journal of Forest Research > vol 141 n° 4 (August 2022) . - pp 587 - 604 Titre : Crown allometry and growing space requirements of four rare domestic tree species compared to oak and beech: implications for adaptive forest management Type de document : Article/Communication Auteurs : Julia Schmucker, Auteur ; Enno Uhl, Auteur ; Mathias Steckel, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 587 - 604 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] Acer campestre [Termes IGN] Allemagne [Termes IGN] allométrie [Termes IGN] Carpinus betulus [Termes IGN] diamètre à hauteur de poitrine [Termes IGN] gestion forestière adaptative [Termes IGN] hauteur des arbres [Termes IGN] houppier [Termes IGN] régression par quantile [Termes IGN] Sorbus torminalis [Termes IGN] Ulmus (genre) [Vedettes matières IGN] Végétation et changement climatique Résumé : (auteur) Rare domestic tree species are increasingly being viewed as promising alternatives and additions to current main tree species in forests facing climate change. For a feasible management of these rare species, it is, however, necessary to know their growth patterns and space requirements. This information has been lacking in management and science up to now. Our study investigated the basic crown allometries of four rare domestic tree species (European hornbeam, European white elm, field maple and wild service tree) and compared them to the more established and assessable European beech and oak (sessile oak and pedunculate oak). For our analysis, we used data from eight temporary research plots located on seven sites across south-eastern Germany, augmented by data from long-term plots. Using quantile regression, we investigated the fundamental relationships between crown projection area and diameter, and height and diameter. Subsequently, we used a mixed-effect model to detect the dependence of crown allometry on different stand variables. We derived maximum stem numbers per hectare for each species at different stand heights, thus providing much-needed practical guidelines for forest managers. In the early stages of stand development, we found that European white elm and field maple can be managed with higher stem numbers than European beech, similar to those of oak. European hornbeam and wild service tree require lower stem numbers, similar to European beech. However, during first or second thinnings, we hypothesise that the rare domestic tree species must be released from competitors, as shade tolerance and competitiveness decrease with age. Furthermore, we argue that thinnings must be performed at a higher frequency in stands with admixed European beech because of the species’ high shade tolerance. When properly managed, rare species can reach target diameters similar to oak and beech. Numéro de notice : A2022-639 Affiliation des auteurs : non IGN Thématique : FORET Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s10342-022-01460-w Date de publication en ligne : 31/05/2022 En ligne : https://doi.org/10.1007/s10342-022-01460-w Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101446 [article]

Evaluation of the mixed-effects model and quantile regression approaches for predicting tree height in larch (Larix olgensis) plantations in northeastern China / Longfei Xie in Canadian Journal of Forest Research, Vol 52 n° 3 (March 2022)  

Public [article]  inCanadian Journal of Forest Research > Vol 52 n° 3 (March 2022) . - pp 309 - 319 Titre : Evaluation of the mixed-effects model and quantile regression approaches for predicting tree height in larch (Larix olgensis) plantations in northeastern China Type de document : Article/Communication Auteurs : Longfei Xie, Auteur ; Faris Rafi Almay Widagdo, Auteur ; Zheng Miao, Auteur ; Lihu Dong, Auteur ; Fengri Li, Auteur Année de publication : 2022 Article en page(s) : pp 309 - 319 Note générale : bibliographie Langues : Français (fre) Anglais (eng) Descripteur : [Vedettes matières IGN] Statistiques [Termes IGN] biométrie [Termes IGN] Chine [Termes IGN] diamètre à hauteur de poitrine [Termes IGN] hauteur des arbres [Termes IGN] Larix olgensis [Termes IGN] modèle de croissance végétale [Termes IGN] modèle de simulation [Termes IGN] régression non linéaire [Termes IGN] régression par quantile Résumé : (auteur) Tree height (H) is one of the most important tree variables and is widely used in growth and yield models, and its measurement is often time-consuming and costly. Hence, height–diameter (H–D) models have become a great alternative, providing easy-to-use and accurate tools for H prediction. In this study, H–D models were developed for Larix olgensis A. Henry in northeastern China. The Chapman–Richards function with three predictors (diameter at breast height, dominant tree height, and relative size of individual trees) performed best. Nonlinear mixed-effects (NLME) models and nonlinear quantile regressions (NQR9, nine quantiles; NQR5, five quantiles; and NQR3, three quantiles) were further used and improved the generalized H–D model, successfully providing accurate H predictions. In addition, the H predictions were calibrated using several measurements from subsamples, which were obtained from different sampling designs and sizes. The results indicated that the predictive accuracy was higher when calibrated by using any number of height measurements for the NLME model and more than three height measurements for the NQR3, NQR5, and NQR9 models. The best sampling strategy for the NLME and NQR models involved sampling medium-sized trees. Overall, the newly developed H–D models can provide highly accurate height predictions for L. olgensis. Numéro de notice : A2022-313 Affiliation des auteurs : non IGN Autre URL associée : Draft Thématique : FORET/MATHEMATIQUE Nature : Article DOI : 10.1139/cjfr-2021-0184 En ligne : https://doi.org/10.1139/cjfr-2021-0184 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100412 [article]

Modelling potential density of natural regeneration of European oak species (Quercus robur L., Quercus petraea (Matt.) Liebl.) depending on the distance to the potential seed source: Methodological approach for modelling dispersal from inventory data at forest enterprise level / Maximilian Axer in Forest ecology and management, vol 482 ([15/02/2021])  

Public [article]  inForest ecology and management > vol 482 [15/02/2021] . - n° 118802 Titre : Modelling potential density of natural regeneration of European oak species (Quercus robur L., Quercus petraea (Matt.) Liebl.) depending on the distance to the potential seed source: Methodological approach for modelling dispersal from inventory data at forest enterprise level Type de document : Article/Communication Auteurs : Maximilian Axer, Auteur ; Robert Schlicht, Auteur ; Sven Wagner, Auteur Année de publication : 2021 Article en page(s) : n° 118802 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] conversion forestière [Termes IGN] dispersion [Termes IGN] inventaire forestier étranger (données) [Termes IGN] Pinophyta [Termes IGN] planification [Termes IGN] Quercus pedunculata [Termes IGN] Quercus sessiliflora [Termes IGN] régénération (sylviculture) [Termes IGN] régression par quantile [Termes IGN] Saxe (Allemagne) [Termes IGN] semis (sylviculture) [Vedettes matières IGN] Foresterie Résumé : (auteur) The use of natural oak regeneration from admixed oaks and neighbouring oak stands provides an interesting alternative to cost-intensive artificial oak regeneration when aiming for forest conversion of pure coniferous stands. In this study analysis of forest inventory data is done on how far and in what density natural regeneration of both Pedunculate and Sessile oak occurs in coniferous stands. In order to investigate as exclusively as possible the effect of distance to the seed source on the regeneration density of both oaks, the regeneration potential was determined by using quantile regression. By applying a .995th quantile, reducing factors on seedling density, e.g. desiccation, browsing, pathogens or limited resource availability, were excluded as much as possible. Thus, the effect of zoochorus vectors on effective dispersal could be quantified. The regeneration potential was determined based on data from the forest inventory of the Saxony state forest enterprise, Germany, including 2357 sample plots. Remote sensing data, including the location of oaks in the overstorey, were used to determine the distance to the nearest potential seed source. The results of the present study demonstrate that the highest regeneration densities are not found in the immediate vicinity of the nearest seed source, but at distances between 60 and 140 m to it,i.e. the maximum of seedling density per area unit is in some distance to the trees trunk. In the present study, dispersal distances of established regeneration up to 1565 m were detected. From a distance of 1570–2300 m on, there was no oak regeneration. The results prove that acorns are taken from the seed source and that, in addition to barochorus dispersal, the zoochorus dispersal is of great importance for the succession of coniferous stands. The position of potential seed sources is therefore an important information for silvicultural planning, in order to estimate potential oak regeneration densities. Numéro de notice : A2021-228 Affiliation des auteurs : non IGN Thématique : FORET Nature : Article DOI : 10.1016/j.foreco.2020.118802 Date de publication en ligne : 13/12/2020 En ligne : https://doi.org/10.1016/j.foreco.2020.118802 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97208 [article]

Méthodes d'apprentissage statistique pour la détection de la signalisation routière à partir de véhicules traceurs / Yann Méneroux (2019)  

Public Titre : Méthodes d'apprentissage statistique pour la détection de la signalisation routière à partir de véhicules traceurs Type de document : Thèse/HDR Auteurs : Yann Méneroux , Auteur ; Sébastien Mustière , Directeur de thèse ; Guillaume Saint Pierre, Directeur de thèse Editeur : Champs/Marne : Université Paris-Est Année de publication : 2019 Importance : 292 p. Format : 21 x 30 cm Note générale : bibliographie Thèse pour obtenir le grade de Docteur de l'Université Paris Est dans le cadre de l'Ecole Doctorale Mathématiques et STIC, Signal, Image, Automatique Langues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique [Termes IGN] appariement de cartes [Termes IGN] autocorrélation spatiale [Termes IGN] classification par forêts d'arbres décisionnels [Termes IGN] décomposition empirique du signal [Termes IGN] détection automatique [Termes IGN] données GPS [Termes IGN] modèle mathématique [Termes IGN] navigation pédestre [Termes IGN] ondelette de Haar [Termes IGN] récepteur GPS [Termes IGN] régression par quantile [Termes IGN] réseau neuronal convolutif [Termes IGN] sécurité routière [Termes IGN] segmentation d'image [Termes IGN] signalisation routière [Termes IGN] trace GPS [Termes IGN] vitesse de déplacement Index. décimale : THESE Thèses et HDR Résumé : (auteur) Avec la démocratisation des appareils connectés équipés d'un récepteur GPS, de grandes quantités de trajectoires de véhicules deviennent disponibles, notamment via les flottes de véhicules professionnels et les applications mobiles collaboratives de navigation et d'assistance à la conduite. Récemment, les techniques dites de map inference, visant à dériver de l'information cartographique à partir de ces traces GPS, tendent à compléter, voire à remplacer les techniques traditionnelles. Initialement restreintes à la construction de la géométrie des routes, elles sont progressivement utilisées pour enrichir les réseaux existants, et en particulier pour construire une base de données numérique de la signalisation verticale. La connaissance fine et exhaustive de l'infrastructure routière est un prérequis indispensable dans de nombreux domaines : pour les gestionnaires de réseaux et les décideurs dans le cadre de travaux d'aménagement, pour les usagers avec le calcul précis des temps de parcours, mais aussi, plus récemment, dans le cadre du véhicule autonome. Dans ce contexte, les méthodes d'apprentissage statistique apportent une perspective intéressante et garantissent l’adaptabilité de l'approche aux différents cas d'utilisation et à la grande variabilité des données rencontrées en pratique. L'objectif de ce travail de thèse est d'étudier le potentiel de cette classe de méthodes, pour la détection automatique de la signalisation routière, en temps différé, à partir d'un ensemble de profils de vitesse GPS. Le premier cas d'application est celui de la détection des feux de circulation, étendu par la suite a d'autre types de signalisation comme les passages piétons. En premier lieu, nous travaillons sur un jeu de données expérimental de haute qualité, à l'aide duquel nous étudions les performances de plusieurs classifieurs et nous comparons deux représentations mathématiques des données : une approche classique de reconnaissance d'image et une approche fonctionnelle consistant à agréger et à décomposer les signaux de profils de vitesses sur une base d'ondelettes de Haar. Les résultats obtenus montrent la pertinence de l'approche fonctionnelle, en particulier lorsqu'elle est combinée à l'algorithme des forêts aléatoires, en termes de fiabilité de détection et de temps de calcul. L'approche est alors appliquée sur d'autres types d'éléments de l'infrastructure. Dans un second temps, nous tentons d'adapter la méthode proposée sur le cas de données observationnelles, i.e. acquises en environnement non-contrôlé, pour lesquelles nous cherchons également à estimer la position des feux de signalisation par régression statistique. Les résultats montrent la sensibilité de l'approche axe sur l'apprentissage face à des données fortement bruitées ainsi que la difficulté liée à la définition de l'emprise spatiale des instances individuelles sur un réseau routier complexe. Nous tentons de lever ce second verrou à l'aide d'approches globales fondées sur une segmentation d'image par réseau de neurones convolutionnel. Enfin, nous expérimentons une approche permettant d'exploiter. L'autocorrélation spatiale des variables cibles sur les instances individuelles à l'aide de la topologie du graphe routier et en modélisant la zone d'étude sous forme d'un champ de Markov conditionnel. Les résultats obtenus montrent une amélioration des performances de détection par rapport à l'apprentissage non-structuré. Ces travaux de thèse ont également suscité le développement de méthodes originales de prétraitement des trajectoires GPS (filtrage, interpolation, débiaisage et recalage sur un réseau routier de référence) ainsi que l'élaboration de critères objectifs d'évaluation de la qualité de ces pré-traitements. Note de contenu : 1- Cadre général et enjeux de la thèse 2- Méthodes et algorithmes pour le pré-traitement des trajectoires GPS 3- Comparaison des approches image et fonctionnelle en conditions expérimentale 4- Etude du potentiel des méthodes d'apprentissage sur un cas opérationnel 5- Approches globales : réseaux de neurones artificiels et apprentissage structuré Numéro de notice : 25687 Affiliation des auteurs : LASTIG COGIT (2012-2019) Thématique : GEOMATIQUE Nature : Thèse française Note de thèse : thèse de Doctorat : Signal, Image, Automatique : Paris-Est : 2019 Organisme de stage : LaSTIG (IGN) nature-HAL : Thèse DOI : sans Date de publication en ligne : 28/02/2020 En ligne : https://theses.hal.science/tel-02493936 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94716

Statistical learning from a regression perspective / Richard A. Berk (2016)  

Public Titre : Statistical learning from a regression perspective Type de document : Guide/Manuel Auteurs : Richard A. Berk, Auteur Editeur : Springer International Publishing Année de publication : 2016 ISBN/ISSN/EAN : 978-3-319-44048-4 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Statistiques [Termes IGN] analyse de données [Termes IGN] arbre aléatoire [Termes IGN] classification et arbre de régression [Termes IGN] ensachage [Termes IGN] régression [Termes IGN] régression multivariée par spline adaptative [Termes IGN] régression par quantile [Termes IGN] séparateur à vaste marge Résumé : (éditeur) This textbook considers statistical learning applications when interest centers on the conditional distribution of the response variable, given a set of predictors, and when it is important to characterize how the predictors are related to the response. As a first approximation, this can be seen as an extension of nonparametric regression. This fully revised new edition includes important developments over the past 8 years. Consistent with modern data analytics, it emphasizes that a proper statistical learning data analysis derives from sound data collection, intelligent data management, appropriate statistical procedures, and an accessible interpretation of results. A continued emphasis on the implications for practice runs through the text. Among the statistical learning procedures examined are bagging, random forests, boosting, support vector machines and neural networks. Response variables may be quantitative or categorical. As in the first edition, a unifying theme is supervised learning that can be treated as a form of regression analysis. Key concepts and procedures are illustrated with real applications, especially those with practical implications. A principal instance is the need to explicitly take into account asymmetric costs in the fitting process. For example, in some situations false positives may be far less costly than false negatives. Also provided is helpful craft lore such as not automatically ceding data analysis decisions to a fitting algorithm. In many settings, subject-matter knowledge should trump formal fitting criteria. Yet another important message is to appreciate the limitation of one’s data and not apply statistical learning procedures that require more than the data can provide. The material is written for upper undergraduate level and graduate students in the social and life sciences and for researchers who want to apply statistical learning procedures to scientific and policy problems. The author uses this book in a course on modern regression for the social, behavioral, and biological sciences. Intuitive explanations and visual representations are prominent. All of the analyses included are done in R with code routinely provided. Note de contenu : 1- Statistical Learning as a Regression Problem 2- Splines, Smoothers, and Kernels 3- Classification and Regression Trees (CART) 4- Bagging 5- Random Forests 6- Boosting 7- Support Vector Machines 8- Some Other Procedures Briefly 9- Broader Implications and a Bit of Craft Lore Numéro de notice : 25800 Affiliation des auteurs : non IGN Thématique : MATHEMATIQUE Nature : Manuel de cours DOI : 10.1007/978-3-319-44048-4 En ligne : https://doi.org/10.1007/978-3-319-44048-4 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95043

Developing choropleth maps of parameter results for quantile regression / Robert G. Cromley in Cartographica, vol 48 n° 3 (October 2013)  

Permalink