Aboveground-Biomass Estimation of a Complex Tropical Forest in India Using Lidar
Notice bibliographique
Résumé
Light Detection and Ranging (Lidar) is a state of the art technology to assess forest aboveground biomass (AGB). To date, methods developed to relate Lidar metrics with forest parameters were built upon the vertical component of the data. In multi-layered tropical forests, signal penetration might be restricted, limiting the efficiency of these methods. A potential way for improving AGB models in such forests would be to combine traditional approaches by descriptors of the horizontal canopy structure. We assessed the capability and complementarity of three recently proposed methods for assessing AGB at the plot level using point distributional approach (DM), canopy volume profile approach (CVP), 2D canopy grain approach (FOTO), and further evaluated the potential of a topographical complexity index (TCI) to explain part of the variability of AGB with slope. This research has been conducted in a mountainous wet evergreen tropical forest of Western Ghats in India. AGB biomass models were developed using a best subset regression approach, and model performance was assessed through cross-validation. Results demonstrated that the variability in AGB could be efficiently captured when variables describing both the vertical (DM or CVP) and horizontal (FOTO) structure were combined. Integrating FOTO metrics with those of either DM or CVP decreased the root mean squared error of the models by 4.42% and 6.01%, respectively. These results are of high interest for AGB mapping in the tropics and could significantly contribute to the REDD+ program. Model quality could be further enhanced by improving the robustness of field-based biomass models and influence of topography on area-based Lidar descriptors of the forest structure.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,001 | 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 ».