Estimation of forest structure metrics relevant to hydrologic modelling using coordinate transformation of airborne laser scanning data
Notice bibliographique
Résumé
Abstract. An accurate characterisation of the complex and heterogeneous forest architecture is necessary to parameterise physically-based hydrologic models that simulate precipitation interception, energy fluxes and water dynamics. While hemispherical photography has become a popular method to obtain a number of forest canopy structure metrics relevant to these processes, image acquisition is field-intensive and, therefore, difficult to apply across the landscape. In contrast, airborne laser scanning (ALS) is a remote-sensing technique increasingly used to acquire detailed information on the spatial structure of forest canopies over large, continuous areas. This study presents a novel methodology to calibrate ALS data with in situ optical hemispherical camera images to obtain traditional forest structure and solar radiation metrics. The approach minimises geometrical differences between these two techniques by transforming the Cartesian coordinates of ALS data to generate synthetic images with a polar projection directly comparable to optical photography. We demonstrate how these new coordinate-transformed ALS metrics, along with additional standard ALS variables, can be used as predictors in multiple linear regression approaches to estimate forest structure and solar radiation indices at any individual location within the extent of an ALS transect. We expect this approach to substantially reduce fieldwork costs, broaden sampling design possibilities, and improve the spatial representation of forest structure metrics directly relevant to parameterising fully-distributed hydrologic models.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 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 ».