Comparing ALS and Image-Based Point Cloud Metrics and Modelled Forest Inventory Attributes in a Complex Coastal Forest Environment
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Digital aerial photogrammetry (DAP) is emerging as an alternate data source to airborne laser scanning (ALS) data for three-dimensional characterization of forest structure. In this study we compare point cloud metrics and plot-level model estimates derived from ALS data and an image-based point cloud generated using semi-global matching (SGM) for a complex, coastal forest in western Canada. Plot-level estimates of Lorey’s mean height (H), basal area (G), and gross volume (V) were modelled using an area-based approach. Metrics and model outcomes were evaluated across a series of strata defined by slope and canopy cover, as well as by image acquisition date. We found statistically significant differences between ALS and SGM metrics for all strata for five of the eight metrics we used for model development. We also found that the similarity between metrics from the two data sources generally increased with increasing canopy cover, particularly for upper canopy metrics, whereas trends across slope classes were less consistent. Model outcomes from ALS and SGM were comparable. We found the greatest difference in model outcomes was for H (ΔRMSE% = 5.04%). By comparison, ΔRMSE% was 2.33% for G and 3.63% for V. We did not discern any corresponding trends in model outcomes across slope and canopy cover strata, or associated with different image acquisition dates.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle