Assessing forest metrics with a ground-based scanning lidar
Notice bibliographique
Résumé
A ground-based scanning lidar (light detection and ranging) system was evaluated to assess its potential utility for tree-level forest mensuration data extraction. Ground-based-lidar and field-mensuration data were collected for two forest plots: one located within a red pine (Pinus resinosa Ait.) plantation and another in a mixed deciduous stand dominated by sugar maple (Acer saccharum Marsh.). Five lidar point cloud scans were collected from different vantage points for each plot over a 6-h period on 5 July 2002 using an Optech Inc. ILRIS-3D laser imager. Field- validation data were collected manually over several days during the same time period. Parameters that were measured in the field or derived from manual field measures included (i) stem location, (ii) tree height, (iii) stem diameter at breast height (DBH), (iv) stem density, and (v) timber volume. These measures were then compared with those derived from the ILRIS-3D data (i.e., the lidar point cloud data). It was found that all parameters could be measured or derived from the data collected by the ground-based lidar system. There was a slight systematic underestimation of mean tree height resulting from canopy shadow effects and suboptimal scan sampling distribution. Timber volume estimates for both plots were within 7% of manually derived estimates. Tree height and DBH parameters have the potential for objective measurement or derivation with little manual intervention. However, locating and counting trees within the lidar point cloud, particularly in the multitiered deciduous plot, required the assistance of field-validation data and some subjective interpretation. Overall, ground-based lidar demonstrates promise for objective and consistent forest metric assessment, but work is needed to refine and develop automatic feature identification and data extraction techniques.
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 | 0,002 | 0,003 |
| 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 ».