CLASSIFICAÇÃO SUPERVISIONADA DE COPAS DE ÁRVORES EM IMAGEM DE ALTA RESOLUÇÃO ESPACIAL
Notice bibliographique
Résumé
O presente estudo teve como objetivo avaliar o potencial de uso de imagens de alta resolução espacial para a extração da área de copa de árvores em floresta nativa utilizando classificação supervisionada. Uma imagem do sensor multiespectral a bordo do satélite Worldview-2 foi adquirida, na qual foram testados três algoritmos de classificação digital de imagens. Com os resultados das classificações, foram delimitadas 51 copas de árvores, que foram localizadas em campo para a coleta de informações como diâmetro na altura do peito (DAP), altura estimada, diâmetro de base, identificação, e medição de 8 raios de copa para formar a área de copa (AC). O algoritmo SVM apresentou o melhor resultado dentre os métodos de classificação testados. Foi encontrado um R² de 0,57 entre AC em campo e o DAP. A relação AC/DAP indica que houve um aumento da área de copa à medida que aumentou o DAP. O R² entre a AC obtida por satélite e o DAP foi de 0,55. A obtenção do parâmetro AC via classificação supervisionada pode servir de base para delimitação de copas, porém, deve-se ter cuidado com este processo para não superestimar as áreas, devido à complexidade do dossel de uma floresta nativa.
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».