MétaCan
Menu
Retour à la cohorte
Enregistrement W2025131286 · doi:10.5589/m04-049

Generation of a ground-level DEM in a dense equatorial forest zone by merging airborne laser data and a top-of-canopy DEM

2004· article· en· W2025131286 sur OpenAlexfundvenueno aff
Bernard Bourgine, Nicolas Baghdadi, Steven Hosford, P. Daniels

Notice bibliographique

RevueCanadian Journal of Remote Sensing · 2004
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Space AgencyNational Geographic Society
Mots-clésCanopyDigital elevation modelRemote sensingKrigingStandard deviationGeographyElevation (ballistics)Tree canopyLidarLine (geometry)Environmental scienceMathematicsGeometryStatistics

Résumé

récupéré en direct d'OpenAlex

Abstract(i) selecting ground points from the airborne data and deducing a pseudo canopy height for these points, (ii) characterizing the canopy height from a statistical and geostatistical standpoint, (iii) kriging the canopy height and subtracting the resulting model from the top-of-canopy DEM to obtain a DEM corresponding to a ground-level DEM, and (iv) validation. Validation consists of comparing the results with topographic maps and a local heliborne DEM and studying the relationship between the configuration of the airborne trials, in terms of flight-line spacing, and accuracy of the resulting kriged DEM. The results show that the accuracy of the kriged ground-level DEM is significantly better than that of the initial radargrammetric DEM. The standard deviation of elevation errors is reduced from 21.2 to 11.9 m or from 25.3 to 11.1 m, depending on the validation source adopted (French National Geographic Institute spot heights and local heliborne DEM, respectively). In addition, the relationship between flight-line spacing and accuracy of the resulting kriged DEM helps estimate what flight-line spacing is needed to obtain a given accuracy.(i) sélection des points sol à partir des données laser aéroportées et estimation d'une pseudo hauteur de la canopée pour ces points, (ii) caractérisation de la hauteur de la canopée du point de vue statistique et géostatistique, (iii) krigeage de la hauteur de la canopée et calcul de la différence entre le MNT sommet de la canopée et le résultat du krigeage pour obtenir le MNT sol, et (iv) validation. La validation consiste à comparer les résultats avec des points coté issus des cartes topographiques et un MNT héliporté local. Le lien entre l'espacement des lignes de vol laser et la précision du MNT krigé a également été étudié. Les résultats montrent que la précision du MNT krigé au niveau du sol est bien meilleure que celle du MNT radargrammétrique. L'écart type des erreurs altimétriques passe de 21,2 à 11,9 m ou de 25,3 à 11,1 m, selon la source de validation adoptée (points cotés IGN et MNT héliporté, respectivement). De plus, la relation entre l'espacement des lignes de vol et la précision du MNT krigé permet de déterminer l'espacement des lignes de vol nécessaire pour obtenir une précision donnée sur le MNT krigé.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,837
Score d'incertitude au seuil0,921

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,249
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Remote SensingMême sujetRemote Sensing and LiDAR ApplicationsTravaux en français237 207