ESTIMATION OF OPTIMAL PARAMETER FOR RANGE NORMALIZATION OF MULTISPECTRAL AIRBORNE LIDAR INTENSITY DATA
Notice bibliographique
Résumé
Abstract. Range normalization is a common data pre-process that aims to improve the radiometric quality of airborne LiDAR data. This radiometric treatment considers the rate of energy attenuation sustained by the laser pulse as it travels through a medium back and forth from the LiDAR system to the surveyed object. As a result, the range normalized intensity is proportional to the range to the power of a factor a. Existing literature recommended different a values on different land cover types, which are commonly adopted in forestry studies. Nevertheless, there is a lack of study evaluating the range normalization on multispectral airborne LiDAR intensity data. In this paper, we propose an overlap-driven approach that is able to estimate the optimal a value by pairing up the closest data points of two overlapping LiDAR data strips, and subsequently estimating the range normalization parameter a based on a least-squares adjustment. We implemented the proposed method on a set of multispectral airborne LiDAR data collected by a Optech Titan, and assessed the coefficient of variation of four land cover types before and after applying the proposed range normalization. The results showed that the proposed method was able to estimate the optimal a value, yielding the lowest cv, as verified by a cross validation approach. Nevertheless, the estimated a value is never identical for the four land cover classes and the three laser wavelengths. Therefore, it is not recommended to label a specific a value for the range normalization of airborne LiDAR intensity data within a specific land cover type. Instead, the range normalization parameter is deemed to be data-driven and should be estimated for each LiDAR dataset and study area.
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 | 0,002 | 0,008 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».