Effects of plot size, stand density, and scan density on the relationship between airborne laser scanning metrics and the Gini coefficient of tree size inequality
Notice bibliographique
Résumé
Estimation of the Gini coefficient (GC) of tree sizes using airborne laser scanning (ALS) can provide maps of forest structure across the landscape, which can support sustainable forest management. A challenge arises in determining the optimal spatial resolution that maximizes the stability and precision of GC estimates, which in turn depends on stand density or ALS scan density. By subsampling different plot sizes within large field plots, we evaluated the optimal spatial resolution by observing changes in GC estimation and in its correlation with ALS metrics. We found that plot size had greater effects than either stand density or ALS scan density on the relationship between GC and ALS metrics. Uncertainty in GC estimates fell as plot size increased. Correlation with ALS metrics showed convex curves with maxima at 250–450 m 2 , which thus was considered the optimal plot size and, consequently, the optimal spatial resolution. By thinning the density of the ALS point cloud, we deduced that at least 3 points·m −2 were needed for reliable GC estimates. Many nationwide ALS scan densities are sparser than this, so may be unreliable for GC estimation. Ours is a simple approach for evaluating the optimal spatial resolution in remote sensing estimation of any forest attribute.
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 | 0,005 | 0,012 |
| 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 | 0,001 | 0,002 |
| 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 ».