Application of large- and medium-scale aerial photographs to forest vegetation management: A case study
Notice bibliographique
Résumé
Five experimental conifer release treatments applied to each of four, three- to seven- year-old spruce plantations resulted in a mosaic of woody and herbaceous vegetation complexes after two growing seasons. A combination of 1:5000-scale overview and 1:500-scale sample photographs were evaluated as a means of mapping and quantifying cover in each of eight vegetation and two non-vegetation categories. On 23-cm format, 1:5000-scale photographs, blocks were stereoscopically stratified into areas (> 25 m 2 ) of uniform vegetation. A random selection of eighty 70-mm format, 1:500 photo samples were then used as "training sites" to calibrate strata assessment on the 1:5000 photographs. Remaining sample plots were used to verify the accuracy of the final map product. Verification plots suggested that principle vegetation components such as tall, mid, and low shrub, grass, and herbaceous species were estimated to within 5–10% cover, at least 70% of the time. Errors for lesser components, such as dead shrub, conifer, bare ground and slash were 2–5% cover. Ferns could not be discerned at the 1:5000 scale and there was evidence of occasional confusion between herbaceous species and other life forms, including mid shrub, low shrub, and grass categories. Operational applications of the methodology are discussed. Key words: remote sensing, digitized aerial photographs, vegetation management, forest classification
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 | 0,000 | 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 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 ».