Potential of UltraCamX stereo images for estimating timber volume and basal area at the plot level in mixed European forests
Notice bibliographique
Résumé
Current technical advances in the field of digital photogrammetry demonstrate the great potential of automatic image matching for deriving dense surface measurements of the forest canopy. In contrast to airborne laser scanning (ALS), aerial stereo images are updated more regularly by national or regional mapping agencies in several countries. Frequently, ALS-based terrain models (DTMs) are available, and thus photogrammetric canopy heights can be derived. However, currently, there is little knowledge as to how accurately forest attributes can be modeled using the aerial stereo images acquired by these official, regular aerial surveys, especially for mixed forests in central Europe. Thus, a photogrammetric point cloud derived from UltraCamX stereo images in combination with an ALS-DTM and a classification of coniferous and deciduous tree regions (based on orthoimages) was used to create a stratified estimation of timber volume and basal area in a mixed forest in Germany. Suitable models were derived at the plot level using explanatory variables from the photogrammetric point cloud (which was normalized using an ALS-DTM). The prior stratification of conifer- and deciduous-dominated field plots slightly improved the estimation accuracy. The results verify that stereo images can be an alternative to ALS data for modeling key forest attributes, even in mixed central European forests with complex structure.
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.
Comment cette classification a été obtenuedéplier
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 | 0,001 | 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».