The transferability of airborne laser scanning based tree-level models between different inventory areas
Notice bibliographique
Résumé
In this paper, we examine the transferability of airborne laser scanning (ALS) based models for individual-tree detection (ITD) from one ALS inventory area (A1) to two other areas (A2 and A3). All areas were located in eastern Finland less than 100 km from each other and were scanned using different ALS devices and parameters. The tree attributes of interest were diameter at breast height (Dbh), height (H), crown base height (Cbh), stem volume (V), and theoretical sawlog volume (Vlog) of Scots pine (Pinus sylvestris L.) with Dbh ≥ 16 cm. All trees were first segmented from the canopy height models, and various ALS metrics were derived for each segment. Then only the segments covering correctly detected pines were chosen for further inspection. The tree attributes were predicted using the k-nearest neighbor (k-NN) imputation. The results showed that the relative root mean square error (RMSE%) values increased for each attribute after the transfers. The RMSE% values were, for A1, A2, and A3, respectively: Dbh, 13.5%, 14.8%, and 18.1%; H, 3.2%, 5.9%, and 6.2%; Cbh, 13.3%, 15.3%, and 18.3%; V, 29.3%, 35.4%, and 39.1%; and Vlog, 38.2%, 54.4% and 51.8%. The observed values indicate that it may be possible to employ ALS-based tree-level k-NN models over different inventory areas without excessive reduction in accuracy, assuming that the tree species are known to be similar.
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 | 0,002 | 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 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».