An evaluation of alternate remote sensing products for forest inventory, monitoring, and mapping of Douglas-fir forests in western Oregon
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
This research evaluates the utility of several remote sensing data types for the purpose of mapping forest structure and related attributes at a regional scale. Several sensors were evaluated, including (i) single date Landsat Thematic Mapper (TM); (ii) multitemporal Landsat TM; (iii) Airborne Data Acquisition and Registration (ADAR), a sensor with high spatial resolution; (iv) Airborne Visible-Infrared Imaging Spectrometer (AVIRIS), a sensor with high spectral resolution; and (v) Scanning Lidar Imager Of Canopies By Echo Recovery (SLICER), a lidar sensor that directly measures the height and canopy structure of forest vegetation. To evaluate the ability of each of the sensors to predict stand structure attributes, we assembled a data set consisting of 92 field plots within the Willamette National Forest in the vicinity of the H.J. Andrews Experimental Forest. Stand structure attributes included age, basal area, aboveground biomass, mean diameter at breast height (DBH) of dominant and codominant stems, mean and standard deviation of the DBH of all stems, maximum height, and the density of stems with DBH greater than 100 cm. SLICER performed better than any other remote sensing system in its predictions of forest structural attributes. The performance of the imaging sensors (TM, multitemporal TM, ADAR, and AVIRIS) varied with respect to which forest structural variables were being examined. For one group of variables there was little difference in the ability of the these sensors to predict forest structural attributes. For the remaining variables, we found that multitemporal TM was as or more effective than either ADAR or AVIRIS. These results indicate that multitemporal TM should be investigated as an alternative to either hyperspectral or hyperspatial sensors, which are more expensive and more difficult to process than multitemporal Landsat TM.
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 | 0,004 | 0,000 |
| 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 | 0,000 |
| 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