Simultaneously acquired airborne laser scanning and multispectral imagery for individual tree species identification
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The objective of this study was to investigate the use of multispectral imagery in addition to measurements from airborne laser scanning (ALS) for tree species identification. Multispectral imagery from a medium-format digital frame camera acquired simultaneously with ALS data were utilized and compared with imagery from a large-format digital frame camera acquired on a separate flight mission from a higher altitude. The two acquisitions represent cost efficient methods for data collection of both three-dimensional and spectral information. The classification accuracy was assessed using 1520 segmented spruce, pine, and deciduous trees. Furthermore, ALS intensity was normalized using the range from sensor to the target (range normalization). In addition, a source of variation in intensity known as banding, is described together with a normalization procedure for diminishing this effect. The normalized intensity was better than using the raw intensity, but it did not improve the classification compared with using only ALS structural information, which provided overall classification accuracies of 74%–77%. The combined use of ALS and multispectral imagery from the medium-format imagery acquired simultaneously and the separate acquisition of large-format imagery provided overall accuracies of 87%–89% and 83%–85%, respectively. Simultaneous acquisition of ALS and medium-format digital imagery provides an efficient data acquisition strategy for tree species identification in forest inventory and will likely reduce data acquisition costs by 10%–20%.
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.
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 | 0,000 |
| 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) | 0,000 | 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 découle