Remote Sensing Technologies for Enhancing Forest Inventories: A Review
Notice bibliographique
Résumé
Forest inventory and management requirements are changing rapidly in the context of an increasingly complex set of economic, environmental, and social policy objectives.Advanced remote sensing technologies provide data to assist in addressing these escalating information needs and to support the subsequent development and parameterization of models for an even broader range of information needs.This special issue contains papers that use a variety of remote sensing technologies to derive forest inventory or inventory-related information.Herein, we review the potential of 4 advanced remote sensing technologies, which we posit as having the greatest potential to influence forest inventories designed to characterize forest resource information for strategic, tactical, and operational planning: airborne laser scanning (ALS), terrestrial laser scanning (TLS), digital aerial photogrammetry (DAP), and high spatial resolution (HSR)/very high spatial resolution (VHSR) satellite optical imagery.ALS, in particular, has proven to be a transformative technology, offering forest inventories the required spatial detail and accuracy across large areas and a diverse range of forest types.The coupling of DAP with ALS technologies will likely have the greatest impact on forest inventory practices in the next decade, providing capacity for a broader suite of attributes, as well as for monitoring growth over time.Résumé.Les exigences en matière d'inventaire forestier et de gestion évoluent rapidement dans le contexte d'un ensemble d'objectifs de politique économique, environnementale et sociale de plus en plus complexe.Les technologies de télédétection avancées fournissent des données pour aider à répondre à ces besoins croissants d'information et pour soutenir les futurs développements et le paramétrage de modèles pour une gamme encore plus large de besoins en information.Ce numéro spécial contient des articles qui utilisent une variété de technologies de télédétection pour obtenir des informations sur l'inventaire forestier ou liées à l'inventaire forestier.Ici, nous passons en revue le potentiel de 4 technologies de télédétection avancées que nous estimons comme ayant le plus grand potentiel d'influencer les inventaires forestiers conc ¸us pour caractériser l'information des ressources forestières pour la planification stratégique, tactique et opérationnelle: le balayage laser aéroporté «airborne laser scanning (ALS)», le balayage laser terrestre (TLS), la photogrammétrie aérienne numérique (DAP), et l'imagerie optique satellite à haute résolution spatiale (HSR) ou à très haute résolution spatiale (VHSR).Le ALS, en particulier, s'est révélé être une technologie transformatrice, offrant aux inventaires forestiers des détails spatiaux ainsi que la précision nécessaires sur de grandes surfaces et un large éventail de types de forêts.Le couplage de la DAP avec les technologies du ALS aura probablement le plus grand impact sur les pratiques d'inventaire forestier dans la prochaine décennie en fournissant la capacité d'obtenir un ensemble plus large d'attributs, ainsi que la surveillance de la croissance au fil du temps.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 ».