On improving the accuracy of digital hemispherical photography measurements of seasonal leaf area index variation in deciduous broadleaf forests
Notice bibliographique
Résumé
Optical methods have been widely used to estimate seasonal changes of the leaf area index (LAI) in forest stands because they are convenient and effective; however, their accuracy in deciduous broadleaf forests has rarely been evaluated. We estimate the seasonal changes in the LAI by combining periodic observations of leaf area variation with litter collection (LAIdir) in deciduous broadleaf forests and use these estimates to evaluate the accuracy of optical LAI measurements made using digital hemispherical photography (DHP). We also propose a method to correct DHP-derived LAI (LAIDHP) values for seasonal changes in major factors that influence the determination of LAI, including the woody to total area ratio (α), the element clumping index (ΩE, using three different methods), and the photographic exposure setting (E). Before these corrections were made, LAIDHP underestimates LAIdir by 14%–55% from 21 May to 1 October but overestimates it by 78% on 12 May and by 226% on 11 October. Although pronounced differences are observed between LAIdir and LAIDHP, they are significantly correlated (R2 = 0.85, RMSE = 0.32, P < 0.001). After considering seasonal changes in α, ΩE, and E, the accuracy of LAIDHP improves markedly, with a mean difference between the corrected LAIDHP and LAIdir of <17% in all periods. The results suggest that the proposed scheme for correcting LAIDHP is useful and effective for estimating seasonal LAI variation in deciduous broadleaf forests.
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 | 0,003 | 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 | 0,000 |
| Science ouverte | 0,001 | 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 ».