Initialization of an insect infestation spread model using tree structure and spatial characteristics derived from high spatial resolution digital aerial imagery
Notice bibliographique
Résumé
AbstractHigh spatial resolution digital aerial imagery has demonstrated the capacity to enable the derivation of a range of parameters describing the structural characteristics of individual trees and spatial attributes of forest stands. As a result, these data have the potential to provide important information to help initialize models of insect infestations, in particular models addressing the spread of mountain pine beetle, Dendroctonus ponderosae (Hopk.), which has reached epidemic levels within western Canada. In support of this study, ground data and images with 10 cm spatial resolution were collected over a study area straddling the borders of British Columbia and Alberta, Canada, which is experiencing infestation by mountain pine beetles. Images were processed using an object-based classification algorithm, which correctly identified between 50% and 100% (mean 80.2%) of the tree crowns detected on the imagery relative to field-measured tree locations. Unidentified tree crowns primarily included trees with small crown and stem diameters which are less susceptible to infestation by mountain pine beetles. Following accurate identification of tree locations, parameters for stem diameter and stocking density were derived from the imagery and compared with measurements derived from ground survey data. Results indicate that two image-derived individual tree parameters were correlated sufficiently with ground measures to act as model inputs, namely stocking density (r2 = 0.91, standard error (se) = 506.65, p < 0.001) and stem diameter (r2 = 0.51, se = 2.63, p < 0.001). With confidence in our capacity to accurately predict these critical parameters for infestation modelling, we then apply a simple, spatially explicit mountain pine beetle infestation model. These models can be used to predict the potential impact on forest stands caused by mountain pine beetle attack and also to inform forest managers of the resources required to provide rapid and persistent mitigation necessary to control infestations.Les images numériques à haute résolution ont montré leur capacité d'extraire divers paramètres décrivant les caractéristiques structurelles des arbres individuels et les attributs spatiaux des peuplements forestiers. Dans ce contexte, ces données peuvent fournir une information importante pour l'initialisation des modèles d'infestation d'insectes, en particulier les modèles relatifs à la propagation du dendroctone du pin ponderosa (Dendroctonus ponderosae (Hopk.), qui a atteint un niveau épidémique dans l'ouest du Canada. En soutien à cette étude, des données au sol et des images à une résolution spatiale de 10 cm ont été acquises au-dessus d'une zone d'étude chevauchant les frontières de la Colombie britannique et de l'Alberta, au Canada, une zone qui subit présentement une infestation de dendroctone du pin ponderosa. Les images ont été traitées à l'aide d'un algorithme de classification orienté objet qui a permis d'identifier correctement entre 50 % et 100 % (moyenne de 80,2 %) des couronnes d'arbre détectées sur les images par rapport aux localisations d'arbres mesurées sur le terrain. Les couronnes d'arbre non identifiées incluaient principalement des arbres avec des diamètres de couronne et de tige de faible dimension, qui sont moins susceptibles aux infestations par les dendroctones du pin ponderosa. Suite à l'identification précise des localisations d'arbre, les paramètres de diamètre des tiges et de densité de peuplement ont été dérivés à partir des images et comparés aux mesures dérivées des données de terrain. Les résultats indiquent que deux paramètres individuels d'arbre dérivés des images ont été corrélés suffisamment avec les mesures sur le terrain pour agir comme intrants aux modèles, c.-à-d. la densité de peuplement (r2 = 0,91, se = 506,65, p < 0,001) et le diamètre des tiges (r2 = 0,51, erreur standard (se) = 2,63, p < 0,001). Confiants dans notre capacité de pouvoir prédire de façon précise ces paramètres critiques pour la modélisation des infestations, nous appliquons ensuite un modèle simple et spatialement explicite d'infestation du dendroctone du pin ponderosa. Ces modèles peuvent être utilisés pour prédire l'impact potentiel sur les peuplements forestiers des attaques du dendroctone du pin ponderosa et aussi pour informer les gestionnaires des forêts des ressources requises pour apporter les mesures correctives rapides et permanentes requises pour le contrôle des infestations.[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.
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 ».