Modeling Stand Height, Volume, and Biomass from Very High Spatial Resolution Satellite Imagery and Samples of Airborne LiDAR
Notice bibliographique
Résumé
Plot-based sampling with ground measurements or photography is typically used to establish and maintain National Forest Inventories (NFI). The re-measurement phase of the Canadian NFI is an opportunity to develop novel methods for the estimation of forest attributes such as stand height, crown closure, volume, and aboveground biomass (AGB) from satellite, rather than, airborne imagery. Based on panchromatic Very High Spatial Resolution (VHSR) images and Light Detection and Ranging (LiDAR) data acquired in the Yukon Territory, Canada, we propose an approach for boreal forest stand attribute characterization. Stand and tree objects are delineated, followed by modeling of stand height, volume, and AGB using metrics derived from the stand and tree crown objects. The calibration and validation of the models are based on co-located LiDAR-derived estimates. A k-nearest neighbor approach provided the best accuracy for stand height estimation (R2 = 0.76, RMSE = 1.95 m). Linear regression models were the most efficient for estimating stand volume (R2 = 0.94, RMSE = 9.6 m3/ha) and AGB (R2 = 0.92, RMSE = 22.2 t/ha). This study was implemented for one Canadian ecozone and demonstrated the capacity of a methodology to produce forest inventory attributes with acceptable accuracies offering potential to be applied to other boreal regions.
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 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».