Investigating laser pulse penetration through a conifer canopy by integrating airborne and terrestrial lidar
Notice bibliographique
Résumé
This study examines the distribution of laser pulse returns obtained from coincident airborne and terrestrial lidar surveys of a closed-canopy red pine (Pinus resinosa) plantation. The purpose of this study is to improve our understanding of laser pulse sampling within closed canopies so that estimates of forest structural variables (e.g., biomass, needle-leaf area, and base-of-live-crown) can be improved at the individual tree and stand levels using lidar. The results of this study indicate the following: (1) There is a statistically significant difference between field measurements of tree height and estimates derived from the maximum laser pulse return from airborne and terrestrial lidar. In both cases, maximum laser pulse returns underestimate tree height by 1 m, on average. (2) Both terrestrial and airborne lidar are unable to discern the base of the measured live crown. Laser pulse returns from airborne lidar are biased towards the top of the tree crown, i.e., lowest laser pulse returns occur 1.4 m on average higher in the canopy than the measured base-of-live-crown. On the other hand, terrestrial lidar captures dieback at the base of the live crown, thereby lowering the base-of-live-crown estimate by 6.6 m, on average. (3) Median airborne laser pulse returns within the canopy (20.4 m), believed to be associated with needle leaf area, occur below the maximum frequency of laser pulse returns (20.8 m) but higher in the canopy than the height of maximum crown diameter obtained from terrestrial lidar (18.0 m). The bias of airborne laser pulse reflections towards the top of the canopy with less penetration to a depth where the maximum crown diameter occurs may result in an underestimation of the needle leaf area. The results of this research suggest that future research should focus on improving our understanding of how laser pulse returns are "triggered" within vegetated environments and how canopy properties or data acquisition parameters may influence the location of this "trigger" event.
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 | 0,001 |
| 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 | 0,001 | 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 ».