Quantifying canopy height underestimation by laser pulse penetration in small-footprint airborne laser scanning data
Notice bibliographique
Résumé
There is a well-reported tendency for canopy height to be underestimated in small-footprint airborne laser scanning (ALS) data of coniferous woodland. This is commonly explained by a failure to record treetops because of insufficient ALS sampling density. This study examines the accuracy of canopy height estimates retrieved from small-footprint ALS data of broadleaf woodland. A novel field sampling method was adopted to collect reference canopy upper surface measurements of known horizontal (x, y) and vertical (z) position that had sub-metre accuracy. By investigating the z differences between ALS and reference canopy measurements with matching x and y locations, the effects of ALS sampling density were removed from the analysis. For raw point-sample ALS data, a negative bias of 0.91 m for sample shrub canopies and 1.27 m for sample tree canopies was observed. These results suggest that for broadleaf woodland, a small-footprint laser pulse hitting the upper surface of a canopy often advances into the canopy before reflecting a signal strong enough to be detected by the scanner as a first return. The depth of laser pulse penetration will vary with canopy structural characteristics and ALS device configuration. Interpolation of the point-sample ALS canopy measurements into a grid-based digital canopy height model (DCHM) propagated the observed errors, resulting in a negative bias of 1.02 m for shrub canopies and 2.12 m for tree canopies. Here the sampling density in relation to canopy surface roughness was important.
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 | 0,001 | 0,004 |
| 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 | 0,000 | 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) | 0,001 | 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 ».