UAV photogrammetry for mapping vegetation in the low-Arctic
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Plot-scale field measurements are necessary to monitor changes to tundra vegetation, which has a small stature and high spatial heterogeneity, while satellite remote sensing can be used to track coarser changes over larger regions. In this study, we explored the potential of unmanned aerial vehicle (UAV) photographic surveys to map low-Arctic vegetation at an intermediate scale. A multicopter was used to capture highly overlapping, subcentimetre photographs over a 2 ha site near Tuktoyaktuk, Northwest Territories. Images were processed into ultradense 3D point clouds and 1 cm resolution orthomosaics and vegetation height models using Structure-from-Motion (SfM) methods. Shrub vegetation heights measured on the ground were accurately represented using SfM point cloud data (r 2 = 0.96, SE = 8 cm, n = 31) and a combination of spectral and height predictor variables yielded an 11-class classification with 82% overall accuracy. Differencing repeat UAV surveys before and after manually trimming shrub patches showed that vegetation height decreases in trimmed areas (− 6.5 cm, SD = 21 cm). Based on these findings, we conclude that UAV photogrammetry provides a promising, cost-efficient method for high-resolution mapping and monitoring of tundra vegetation that can be used to bridge the gap between plot and satellite remote sensing measurements.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle