Umeå universitets logga

umu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Non-destructive methods for assessing tree fiber length distributions in standing trees
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för matematik och matematisk statistik.
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för matematik och matematisk statistik.
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för matematik och matematisk statistik.
2021 (Engelska)Manuskript (preprint) (Övrigt vetenskapligt)
Abstract [en]

One of the main concerns of silviculture and forest management focuses on finding fast, cost-efficient and non-destructive ways of measuring wood properties in standing trees. This paper presents an R package \verb+fiberLD+ that provides functions for estimating tree fiber length distributions in the standing tree based on increment core samples. The methods rely on increment core data measured by means of an optical fiber analyzer (OFA) or measured by microscopy. Increment core data analyzed by OFAs consist of the cell lengths of both cut and uncut fibers (tracheids) and fines (such as ray parenchyma cells) without being able to identify which cells are cut or if they are fines or fibers. The microscopy measured data consist of the observed lengths of the uncut fibers in the increment core. A censored version of a mixture of the fine and fiber length distributions is proposed to fit the OFA data, under distributional assumptions. Two choices for the assumptions of the underlying density functions of the true fiber (fine) lengths of those fibers (fines) that at least partially appear in the increment core are considered, such as the generalized gamma and the log normal densities. Maximum likelihood estimation is used for estimating the model parameters for both the OFA analyzed data and the microscopy measured data.

Ort, förlag, år, upplaga, sidor
2021. , s. 25
Nyckelord [en]
fiber length, censoring, increment core, generalized gamma, mixture density
Nationell ämneskategori
Sannolikhetsteori och statistik
Forskningsämne
statistik
Identifikatorer
URN: urn:nbn:se:umu:diva-187956OAI: oai:DiVA.org:umu-187956DiVA, id: diva2:1597950
Tillgänglig från: 2021-09-28 Skapad: 2021-09-28 Senast uppdaterad: 2022-01-17

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

arXiv

Person

Sjöstedt de Luna, SaraAbramowicz, KonradPya Arnqvist, Natalya

Sök vidare i DiVA

Av författaren/redaktören
Sjöstedt de Luna, SaraAbramowicz, KonradPya Arnqvist, Natalya
Av organisationen
Institutionen för matematik och matematisk statistik
Sannolikhetsteori och statistik

Sök vidare utanför DiVA

GoogleGoogle Scholar

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 178 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf