Vegetation class dependent errors in lidar ground elevation and canopy height estimates in a boreal wetland environment
Notice bibliographique
Résumé
An airborne scanning light detection and ranging (lidar) survey using a discrete pulse return airborne laser terrain mapper (ALTM) was conducted over the Utikuma boreal wetland area of northern Alberta in August 2002. These data were analysed to quantify vegetation class dependent errors in lidar ground surface elevation and vegetation canopy surface height. The sensitivity of lidar-derived land-cover frictional parameters to these height errors was also investigated. Aquatic vegetation was associated with the largest error in lidar ground surface definition (+0.15 m, SD = 0.22, probability of no difference in height P < 0.01), likely a result of saturated ground conditions. The largest absolute errors in lidar canopy surface height were associated with tall vegetation classes; however, the largest relative errors were associated with low shrub (63%, –0.52 m, P < 0.01) and aquatic vegetation (54%, –0.24 m, P < 0.01) classes. The openness and orientation of vegetation foliage (i.e., minimal projection of horizontal area) were thought to enhance laser pulse canopy surface penetration in these two classes. Raster canopy height models (CHMs) underestimated field heights by between 3% (aspens and black spruce) and 64% (aquatic vegetation). Lidar canopy surface height errors led to hydraulic Darcy–Weisbach friction factor underestimates of 10%–49% for short (<2 m) vegetation classes and overestimates of 12%–41% for taller vegetation classes.
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 | 0,002 |
| 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 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 ».