학술논문
Predicting stand attributes of loblolly pine in West Gulf Coastal Plain using gradient boosting and random forests.
Document Type
Article
Author
Source
Subject
*LOBLOLLY pine
*RANDOM forest algorithms
*COASTAL plains
*STATISTICAL models
*FORECASTING
*PLANTATIONS
*
*
*
*
*
Language
ISSN
0045-5067
Abstract
Il est important pour les gestionnaires forestiers de prévoir la production future des peuplements en fonction des conditions actuelles. Deux techniques d'apprentissage automatique : l'amplification du gradient (AG) et la forêt aléatoire (FA), ont été utilisées pour prédire la hauteur moyenne des tiges dominantes et codominantes (HT) dans le peuplement, le nombre de tiges à l'hectare (tiges·ha–1) et la surface terrière à l'hectare (G·ha–1) sur la base de jeux de données récoltées dans des plantations de pin à encens (Pinus taeda L.) sous aménagement extensif ou intensif dans la plaine côtière de la région ouest du golfe du Mexique. Les modèles ont été évalués à l'aide du coefficient de détermination (R 2) et du biais en appliquant ces modèles à des jeux de données d'essai et de validation indépendants et ils ont ensuite été comparés à des modèles statistiques conventionnels (Coble-2017) actuellement utilisés dans la région. Dans le cas des plantations sous aménagement extensif, les modèles AG avaient moins de biais que les modèles FA. Quant à la précision des modèles (R 2), les modèles AG étaient constamment meilleurs que le modèles FA et le modèle HT était le meilleur suivi de ceux des tiges·ha–1 et de G·ha–1. Même dans le cas de G·ha–1, les modèles AG et FA avaient des valeurs de R 2 supérieures à 0,81. Les modèles AG et FA avaient une meilleure performance que le modèle de Coble-2017; les différences n'étaient pas énormes dans le cas de tiges ha−1 mais elles étaient significatives dans le cas de HT et G·ha–1 (R 2 = 0,96, 0,95 et 0,88 pour HT et 0,84, 0,81 et 0,76 pour G). Les prédicteurs importants identifiés par AG et FA et leurs contributions aux modèles étaient semblables. Dans le cas des plantations sous aménagement intensif, AG et FA étaient aussi exacts pour prédire HT et tiges·ha−1, mais AG était plus performant que FA pour prédire G·ha–1 (R 2 = 0,87 contre 0,75). Nous concluons que les techniques AG aussi bien que FA, bien qu'on préfère le premier, peuvent prédire efficacement les attributs futurs des peuplements. Les gestionnaires forestiers peuvent utiliser les modèles présentés dans cet article pour prédire les informations quantitatives requises pour gérer les plantations de pin à encens dans la région. [Traduit par la Rédaction] [ABSTRACT FROM AUTHOR]