Quantifying Aboveground Biomass of Shrubs Using Spectral and Structural Metrics Derived from UAS Imagery
Notice bibliographique
Résumé
Shrub-dominated ecosystems support biodiversity and play an important storage role in the global carbon cycle. However, it is challenging to characterize biophysical properties of low-stature vegetation like shrubs from conventional ground-based or remotely sensed data. We used spectral and structural variables derived from high-resolution unmanned aerial system (UAS) imagery to estimate the aboveground biomass of shrubs in the Betula and Salix genera in a montane meadow in Banff National Park, Canada using an area-based approach. In single-variable linear regression models, visible light (RGB) indices outperformed multispectral or structural data. A linear model based on the red ratio vegetation index (VI) accumulated over shrub area could model biomass (calibration R2 = 0.888; validation R2 = 0.774) nearly as well as the top multivariate linear regression models (calibration R2 = 0.896; validation R2 > 0.750), which combined an accumulated RGB VI with a multispectral metric. The excellent performance of accumulated RGB VIs represents a novel approach to fine-scale vegetation biomass estimation, fusing spectral and spatial information into a single parsimonious metric that rivals the performance of more complex multivariate models. Methods developed in this study will be relevant to researchers interested in estimating fine-scale shrub aboveground biomass within a range of ecosystems.
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 ».