Aboveground forest biomass derived using multiple dates of WorldView-2 stereo-imagery: quantifying the improvement in estimation accuracy
Notice bibliographique
Résumé
The aim of this study was to investigate the capabilities of two date satellite-derived image-based point clouds (IPCs) to estimate forest aboveground biomass (AGB). The data sets used include panchromatic WorldView-2 stereo-imagery with 0.46 m spatial resolution representing 2014 and 2016 and a detailed digital elevation model derived from airborne laser scanning data. Altogether, 332 field sample plots with an area of 256 m2 were used for model development and validation. Predictors describing forest height, density, and variation in height were extracted from the IPC 2014 and 2016 and used in k-nearest neighbour imputation models developed with sample plot data for predicting AGB. AGB predictions for 2014 (AGB2014) were projected to 2016 using growth models (AGBProjected_2016) and combined with the AGB estimates derived from the 2016 data (AGB2016). AGB prediction model developed with 2014 data was also applied to 2016 data (AGB2016_pred2014). Based on our results, the change in the 90th percentile of height derived from the WorldView-2 IPC was able to characterize forest height growth between 2014 and 2016 with an average growth of 0.9 m. Features describing canopy cover and variation in height derived from the IPC were not as consistent. The AGB2016 had a bias of −7.5% (−10.6 Mg ha−1) and root mean square error (RMSE) of 26.0% (36.7 Mg ha−1) as the respective values for AGBProjected_2016 were 7.0% (9.9 Mg ha−1) and 21.5% (30.8 Mg ha−1). AGB2016_pred2014 had a bias of −19.6% (−27.7 Mg ha−1) and RMSE of 33.2% (46.9 Mg ha−1). By combining predictions of AGB2016 and AGBProjected_2016 at sample plot level as a weighted average, we were able to decrease the bias notably compared to estimates made on any single date. The lowest bias of −0.25% (−0.4 Mg ha−1) was obtained when equal weights of 0.5 were given to the AGBProjected_2016 and AGB2016 estimates. Respectively, RMSE of 20.9% (29.5 Mg ha−1) was obtained using equal weights. Thus, we conclude that combination of two date WorldView-2 stereo-imagery improved the reliability of AGB estimates on sample plots where forest growth was the only change between the two dates.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».