Towards a Generalized Method for Tree Species Classification Using Multispectral Airborne Laser Scanning in Ontario, Canada
Notice bibliographique
Résumé
The aim of this paper was to develop a generalized classification model using multispectral airborne laser scanning (ALS) data to provide species or genus level tree identification. We tested the robustness, transferability, and generalizability of the developed method across two sites in Ontario, Canada. We focused on the generalization of the approaches to consider the various common species as well as their variable characteristics along the latitudinal gradient (e.g., the shape variations of pine), and variations of multispectral ALS features. The crown sample for training and validation was composed of 984 and 762 crowns for each site respectively. The generalized model for nine individual tree species was developed using a random forest machine learning algorithm with k-fold-cross validation for each study site accuracy assessment. We have extracted both 3D and intensity features from multispectral ALS data to identify trees. Our preliminary analysis revealed that intensity feature varied across two study sites and among the species, while 3D features were comparatively less variable. In addition, both 3D and intensity features are influenced by tree height. We also found that the three most useful features in tree species classification were multispectral vegetation indices (based on CI-1550 nm and C3-532 nm channels) and intensity features derived from CI-1550 nm. Our preliminary analysis shows that a generalized method can identify nine species with a 73% overall accuracy, whereas the site-specific overall accuracies were 75% and 66% respectively. Our work demonstrated the potential of a multispectral ALS sensor to develop a generalized classification model for the identification of diverse tree species.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».