Vegetation class dependent errors in lidar ground elevation and canopy height estimates in a boreal wetland environment
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
AbstractAn 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.Un relevé par capteur à balayage lidar aéroporté (« light detection and ranging ») utilisant un capteur cartographique laser aéroporté ALTM (« airborne laser terrain mapper ») basé sur les retours d'impulsions discrètes a été réalisé au-dessus du secteur de terres humides de Utikuma en zone boréale, au nord de l'Alberta, en août 2002. Ces données ont été analysées pour quantifier les erreurs reliées à la classe de végétation dans l'estimation lidar de l'élévation du terrain et de la hauteur du couvert de végétation. La sensibilité des paramètres de frottement du couvert dérivés par lidar à ces erreurs dans la hauteur a aussi été analysée. La végétation aquatique a été associée aux erreurs les plus grandes dans la définition lidar de la surface (+0.15 m, SD = 0.22, P < 0.01), dû probablement à la condition saturée de la surface. Les plus grandes erreurs absolues dans la hauteur lidar du couvert étaient associées aux classes de végétation haute. Toutefois, les erreurs relatives les plus grandes étaient associées à la classe caractérisée par des arbustes de faible taille (63 %, –0,52 m, P < 0,01) et à la végétation aquatique (54 %, –0,24 m, P < 0,01). L'ouverture et l'orientation du feuillage (i.e. la projection minimale de la surface horizontale) sembleraient faciliter la pénétration de l'impulsion laser à la surface du couvert dans ces deux classes. Les modèles matriciels de hauteur du couvert (CHM) ont sous-estimé la hauteur des champs d'une valeur variant entre 3 % (peupliers et épinettes noires) et 64 % (végétation aquatique). Les erreurs dans la hauteur lidar du couvert ont mené à des sous-estimations du facteur de frottement hydraulique de Darcy–Weisback d'une valeur variant entre 10 % et 49 %, dans le cas des classes de végétation basse (<2 m), et à des surestimations de 12 % à 41 %, pour les classes de végétation plus haute.[Traduit par la Rédaction]
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 | 0,000 | 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 découle