Examining the Multi-Seasonal Consistency of Individual Tree Segmentation on Deciduous Stands Using Digital Aerial Photogrammetry (DAP) and Unmanned Aerial Systems (UAS)
Notice bibliographique
Résumé
Digital aerial photogrammetric (DAP) techniques applied to unmanned aerial system (UAS) acquired imagery have the potential to offer timely and affordable data for monitoring and updating forest inventories. Development of methods for individual tree crown detection (ITCD) and delineation enables the development of individual tree-based, rather than stand based inventories, which are important for harvesting operations, biomass and carbon stock estimations, forest damage assessment, and forest monitoring in mixed species stands. To achieve these inventory goals, consistent and robust DAP estimates are required over time. Currently, the influence of seasonal changes in deciduous tree structure on the consistency of DAP point clouds, from which tree-based inventories can be derived, is unknown. In this study, we investigate the influence of the timing of DAP acquisition on ITCD accuracies and estimation of tree attributes for a deciduous-dominated forest stand in New Brunswick, Canada. UAS imagery was acquired five times between June and September 2017 over the same stand and consistently processed into DAP point clouds. Airborne laser scanning (ALS) data, acquired the same year, was used to reconstruct a digital terrain model (DTM) and served as a reference for UAS-DAP-based ITCD. Marker-controlled watershed segmentation (MCWS) was used to delineate individual tree crowns. Accuracy index percentages between 55% (July 25) and 77.1% (September 22) were achieved. Omission errors were found to be relatively high for the first three DAP acquisitions (June 7, July 5, and July 25) and decreased gradually thereafter. The commission error was relatively high on July 25. Point cloud metrics were found to be predominantly consistent over the 4-month period, however, estimated tree heights gradually decreased over time, suggesting a trade-off between ITCD accuracies and measured tree heights. Our findings provide insight into the potential influence of seasonality on DAP-ITCD approaches to derive individual tree inventories.
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 | 0,000 | 0,001 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 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 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 ».