Effects of pulse density on predicting characteristics of individual trees of Scandinavian commercial species using alpha shape metrics based on airborne laser scanning data
Notice bibliographique
Résumé
Operational pulse density affects the measurements based on airborne laser scanning (ALS) data, especially at the individual tree level. The minimum density required depends on the interpretation methodology used, i.e., knowing the requirements is a prerequisite for a successful ALS data acquisition. We evaluate these requirements for a recently introduced alpha shape metrics approach in which computational volume and complexity metrics derived from ALS point clouds are utilized to produce actual tree-level characteristics. We simulated thinnings to the ALS return data using a test dataset of a total of 92 dominant or codominant trees detected and delineated manually from very high density (approximately 40 returns/m2) initial ALS data and produced species and diameter at breast height estimates with the thinned datasets. We compared the alpha shape metrics approach with alternative methods, making additional use of tree-level ALS data, and examined the sensitivity of the different methods to pulse density. The results show that in addition to the species classification possibilities recognized earlier, alpha shape metrics computed from very high density ALS data are also useful for predicting tree dimensions. Upon analysing the thinned data, the alpha shape metrics were generally discovered to suffer most from a lower pulse density. On the other hand, tree level canopy height distribution variables appeared to be more neutral for the pulse density and could be used at low density levels to complement and stabilize the alpha shape based methods for predicting both species and diameter. The results indicate that, provided individual trees can be accurately delineated, the species and diameter of mature coniferous trees in particular can be predicted using ALS data, even with a very low pulse density. As the alpha shape metrics performed well at densities that were only moderate for the individual tree delineation approach, more research is suggested to determine their full potential. Additionally, identifying trees automatically using more representative data needs to be examined to generalize the obtained result.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 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 ».