Integrating Unmanned Aircraft Systems to Measure Linear and Areal Features into Undergraduate Forestry Education
Notice bibliographique
Résumé
The use of Unmanned Aircraft Systems (UAS) in undergraduate forestry education continues to expand and develop. Accuracy of data collection is an important aspect of preparation for “society-ready” foresters to meet the complex sustainable environment managing for ecological, social and economic interests. Hands-on use of a DJI Phantom 4 Pro UAS by undergraduates to measure the length and area of 30 linear features and areal features on Earth’s surface were estimated. These measurements were compared (measured within the ArcMap 10.5.2 interface) to hyperspectral Pictometry imagery measured on the web-based interface and the Google Earth Pro interface. Each remotely estimated measurement was verified with the actual ground measurements and the methods compared. An analysis of variance, conducted on the absolute length errors resulting in a p-value of 0.000057, concluded that the three length estimating techniques were statistically different at a 95% confidence interval. A Tukey pair-wise test found that the remotely sensed DJI Phantom 4 Pro data was statistically less accurate than the Pictometry and Google Earth Pro data, while both of which were found to be not different statistically in terms of accuracy. The areal feature area measurements were not normally distributed and therefore tested for equal medians using a Kruskal-Wallis test. The test found that there was no significant difference between sample medians, indicating that all three methods of estimating area are statistically equal in accuracy. The results indicate that Pictometry and Google Earth Pro could both be used to accurately estimate linear feature lengths remotely in lieu of in situ linear measurements while all three remote sensing techniques can be used to accurately estimate areal feature areas remotely in lieu of in situ areal measurements.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».