Ash Decline Assessment in Emerald Ash Borer Infested Natural Forests Using High Spatial Resolution Images
Notice bibliographique
Résumé
The invasive emerald ash borer (EAB, Agrilus planipennis Fairmaire) infects and eventually kills endemic ash trees and is currently spreading across the Great Lakes region of North America. The need for early detection of EAB infestation is critical to managing the spread of this pest. Using WorldView-2 (WV2) imagery, the goal of this study was to establish a remote sensing-based method for mapping ash trees undergoing various infestation stages. Based on field data collected in Southeastern Ontario, Canada, an ash health score with an interval scale ranging from 0 to 10 was established and further related to multiple spectral indices. The WV2 image was segmented using multi-band watershed and multiresolution algorithms to identify individual tree crowns, with watershed achieving higher segmentation accuracy. Ash trees were classified using the random forest classifier, resulting in a user’s accuracy of 67.6% and a producer’s accuracy of 71.4% when watershed segmentation was utilized. The best ash health score-spectral index model was then applied to the ash tree crowns to map the ash health for the entire area. The ash health prediction map, with an overall accuracy of 70%, suggests that remote sensing has potential to provide a semi-automated and large-scale monitoring of EAB infestation.
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 ».