Predicting forest stand variables from LiDAR data in the Great Lakes St. Lawrence forest of Ontario
Notice bibliographique
Résumé
Models were developed to predict forest stand variables for common species of the Great Lakes – St. Lawrence forest of central Ontario, Canada from light detection and ranging (LiDAR) data. Stands that had undergone various ranges of partial harvesting or initial spacing treatments from multiple geographic sites were considered. A broad forest stratification was adopted and consisted of: (i) natural hardwoods; (ii) natural conifers; and (iii) plantation conifers. Stand top height (R2 = 0.96, 0.98, and 0.98); average height (R2 = 0.86, 0.76, and 0.98); basal area (R2 = 0.80, 0.80, and 0.85); volume (R2 = 0.89, 0.81, and 0.91); quadratic mean diameter (R2 = 0.80, 0.68, and 0.83); and density (R2 = 0.74, 0.71, and 0.73) were predicted from low density (i.e., 0.5 point m-2) LiDAR data for these 3 strata, respectively. Key words: light detection and ranging, LiDAR, airborne laser scanning, forest modelling, remote sensing, forest stand variables, Great Lakes – St. Lawrence forest
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 | 0,000 | 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) | 0,001 | 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 ».