Estimating Pasture Biomass and Canopy Height in Brazilian Savanna Using UAV Photogrammetry
Notice bibliographique
Résumé
The Brazilian territory contains approximately 160 million hectares of pastures, and it is necessary to develop techniques to automate their management and increase their production. This technical note has two objectives: First, to estimate the canopy height using unmanned aerial vehicle (UAV) photogrammetry; second, to propose an equation for the estimation of biomass of Brazilian savanna (Cerrado) pastures based on UAV canopy height. Four experimental units of Panicum maximum cv. BRS Tamani were evaluated. Herbage mass sampling, height measurements, and UAV image collection were simultaneously performed. The UAVs were flown at a height of 50 m, and images were generated with a mean ground sample distance (GSD) of approximately 1.55 cm. The forage canopy height estimated by UAVs was calculated as the difference between the digital surface model (DSM) and the digital terrain model (DTM). The R2 between ruler height and UAV height was 0.80; between biomass (kg ha−1 GB—green biomass) and ruler height, 0.81; and between biomass (kg ha−1 GB) and UAV height, 0.74. UAV photogrammetry proved to be a potential technique to estimate height and biomass in Brazilian Panicum maximum cv. BRS Tamani pastures located in the endangered Brazilian savanna (Cerrado) biome.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 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 ».