Assessing Pine Processionary Moth Defoliation Using Unmanned Aerial Systems
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
Pine processionary moth (PPM) is one of the most destructive insect defoliators in the Mediterranean for many conifers, causing losses of growth, vitality and eventually the death of trees during outbreaks. There is a growing need for cost-effective monitoring of the temporal and spatial impacts of PPM in forest ecology to better assess outbreak spread patterns and provide guidance on the development of measures targeting the negative impacts of the species on forests, industry and human health. Remote sensing technology mounted on unmanned aerial systems (UASs) with high-resolution image processing has been proposed to assess insect outbreak impacts at local and forest stand levels. Here, we used UAS-acquired RGB imagery in two pine sites to quantify defoliation at the tree-level and to verify the accuracy of the estimates. Our results allowed the identification of healthy, infested and completely defoliated trees and suggested that pine defoliation estimates using UASs are robust and allow high-accuracy (79%) field-based infestation indexes to be derived that are comparable to those used by forest technicians. When compared to current field-based methods, our approach provides PPM impact assessments with an efficient data acquisition method in terms of time and staff, allowing the quantitative estimation of defoliation at tree-level scale. Furthermore, our method could be expanded to a number of situations and scaled up in combination with satellite remote sensing imagery or citizen science approaches.
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 | 0,000 | 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 | 0,001 | 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