Lidar and Multispectral Imagery Classifications of Balsam Fir Tree Status for Accurate Predictions of Merchantable Volume
Notice bibliographique
Résumé
Recent increases in forest diseases have produced significant mortality in boreal forests. These disturbances influence merchantable volume predictions as they affect the distribution of live and dead trees. In this study, we assessed the use of lidar, alone or combined with multispectral imagery, to classify trees and predict the merchantable volumes of 61 balsam fir plots in a boreal forest in eastern Canada. We delineated single trees on a canopy height model. The number of detected trees represented 92% of field trees. Using lidar intensity and image pixel metrics, trees were classified as live or dead with an overall accuracy of 89% and a kappa coefficient of 0.78. Plots were classified according to their class of mortality (low/high) using a 10.5% threshold. Lidar returns associated with dead trees were clipped. Before clipping, the root mean square errors were of 22.7 m3 ha−1 in the low mortality plots and of 39 m3 ha−1 in the high mortality plots. After clipping, they decreased to 20.9 m3 ha−1 and 32.3 m3 ha−1 respectively. Our study suggests that lidar and multispectral imagery can be used to accurately filter dead balsam fir trees and decrease the merchantable volume prediction error by 17.2% in high mortality plots and by 7.9% in low mortality plots.
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 ».