Publications du Service canadien des forêts

A multidimensional statistical model for wood data analysis, with density estimated from CT scanning data as an example. 2012. Manceur, A.M.; Beaulieu, J.; Han, L.; Dutilleul, P. Can. J. For. Res. 42:1038-1049.

Année : 2012

Disponible au : Centre de foresterie des Laurentides

Numéro de catalogue : 33832

Langue : Anglais

Disponibilité au SCF : PDF (demande par courriel)

Disponible sur le site Web de la revue ou du journal.
DOI (identifiant d'objet numérique) : 10.1139/X2012-053

† Ce site peut exiger des frais.

Résumé

Le tronc d'un arbre peut être vu comme un domaine d'échantillonnage spatio-temporel sous l'angle statistique. L'espace y est représenté par la direction à l'horizontale et la hauteur à la verticale, et le temps, via les cernes de croissance annuels. Dans ce cadre de travail, des propriétés du bois telles que la densité peuvent faire l'objet de collectes de données à des fins d'estimation et de test. Nous présentons un modèle statistique multi-dimentionnel, le tenseur aléatoire normal, dans lequel la variation (variance) et la dépendance (covariance) pour des mesures de propriété du bois en différentes années et à différents endroits dans un tronc d'arbre peuvent être inférées. Son application requiert un plus petit nombre de réplicats (arbres) que la distribution du vecteur aléatoire normal traditionnel, parce que les variances et les covariances pour les directions et les cernes de croissance, par exemple, doivent être les mêmes à chaque hauteur, à une constante multiplicative près. Cette condition sur la structure de la matrice de variance-covariance est appelée "séparabilité" et nous expliquons comment la tester. Une illustration avec des mesures de la densité du bois obtenues par tomodensitométrie assistée par ordinateur pour 11 épinettes blanches (Picea glauca (Moench) Voss) est présentée. Cet exemple est complété par l'évaluation des différences dans la densité moyenne du bois selon la localisation dans l'arbre, à l'aide de test F d'analyse de variance modifiés en utilisant les variances et covariances estimées obtenues en ajustant le modèle.

Dernière mise à jour :