MétaCan
Menu
Retour à la cohorte
Enregistrement W2162277690 · doi:10.5589/m03-028

Assessment and monitoring of foliage projected cover and canopy height across native vegetation in Queensland, Australia, using laser profiler data

2003· article· en· W2162277690 sur OpenAlexvenueno aff
Deanna Weller, Robert Denham, Christian Witte, Celia Mackie, Dave Smith

Notice bibliographique

RevueCanadian Journal of Remote Sensing · 2003
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTransectCanopyTree canopyEnvironmental scienceVegetation (pathology)GeographyRemote sensingPhysical geographyLidarRange (aeronautics)ForestryEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Abstract The aim of this project was to demonstrate the potential of laser profiling for monitoring forest structure. Data were captured from flights at 30, 60, and 100 m above the canopy over three study sites in south-east Queensland at regular intervals over a 2-year period. Field measurements of foliage projected cover (FPC) and tree height were found to be highly correlated with laser derived estimates (R2 from 0.91 to 0.95). Monitoring of changes in FPC and tree height, as a result of logging or growth, was also successful. Tree heights, in particular, were measured accurately over time (residual standard error (RSE) of 0.45 m). The large RSE of the FPC model (from 5.7% to 7.3% FPC) means that subtle changes, such as seasonal variation, may be difficult to monitor. Flying height was found to be a significant explanatory variable in estimating field FPC. A transect of greater than 1000 km was also flown in a single helicopter pass to assess the technology over a range of forest types. Field measurements of FPC were collected for 21 sites along this transect. Strong relationships were observed between laser and field FPC, but these varied with forest type. L'objectif de ce projet était de démontrer le potentiel de la profilométrie à laser pour le suivi de la structure forestière. Les données ont été acquises au cours de survols à des altitudes de 30, 60 et 100 m au-dessus du couvert forestier pour trois sites d'étude dans le sud-est du Queensland, à des intervalles réguliers, au cours d'une période de deux ans. Des mesures réalisées sur le terrain de la surface foliaire projetée (FPC) et de la hauteur des arbres se sont avérées fortement corrélées avec les estimations dérivées des données laser (R2 variant de 0,91 à 0,95). Il a été possible aussi de faire le suivi des changements dans les valeurs de FPC et de hauteur des arbres, suite à des activités d'abattage ou résultant de la croissance. Les hauteurs d'arbres, en particulier, ont été mesurées de façon précise dans le temps (écart type résiduel de 0,45 m). L'écart type résiduel considérable du modèle FPC (de 5,7 % à 7,3 % FPC) indique que les changements subtils, tels que les variations saisonnières, peuvent être difficile à suivre. La hauteur de vol s'est avérée être une variable explicative dans l'estimation des valeurs de FPC sur le terrain. Un transect de plus de 1000 km a aussi été parcouru lors d'un survol unique d'hélicoptère pour évaluer cette technologie au-dessus d'une variété de types de forêt. Des mesures sur le terrain de FPC ont été collectées pour 21 sites le long du transect. Des relations fortes ont été observées entre les valeurs FPC laser et les valeurs acquises au sol mais celles-ci variaient en fonction du type de forêt.[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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,208
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,049
Tête enseignante GPT0,326
Écart entre enseignants0,278 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Remote SensingMême sujetRemote Sensing and LiDAR ApplicationsTravaux en français237 207