Mapping the height and above‐ground biomass of a mixed forest using lidar and stereo Ikonos images
Notice bibliographique
Résumé
Our objective was to assess the accuracy of the forest height and biomass estimates derived from an Ikonos stereo pair and a lidar digital terrain model (DTM). After the Ikonos scenes were registered to the DTM with submetric accuracy, tree heights were measured individually by subtracting the photogrammetric elevation of the treetop from the lidar ground‐level elevation of the tree base. The low residual error (1.66 m) of the measurements confirmed the joint geometric accuracy of the combined models. Matched images of the stereo pair were then used to create a digital surface model. The latter was transformed to a canopy height model (CHM) by subtracting the lidar DTM. Plotwise height percentiles were extracted from the Ikonos‐lidar CHM and used to predict the average dominant height and above‐ground biomass. The coefficient of determination reached 0.91 and 0.79 for average height and biomass, respectively. In both cases, the accuracy of the Ikonos‐lidar CHM predictions was slightly lower than that of the all‐lidar reference CHM. Although the CHM heights did not saturate at moderate biomass levels, as do multispectral or radar images, values above 300 Mg ha−1 could not be predicted accurately by the Ikonos‐lidar or by the all‐lidar CHM.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».