Field calibration of merchantable and sawlog volumes in forest inventories based on airborne laser scanning
Notice bibliographique
Résumé
In many countries, airborne laser scanning (ALS) inventories are implemented to produce predictions for stand-level forest attributes. Nevertheless, mature stands are usually field-visited prior to clear-cutting, so some measurements can be conducted on these stands to calibrate the ALS-based predictions. In this paper, we developed a seemingly unrelated multivariate mixed-effects model system that includes component models for basal area, merchantable volume, and sawlog volume for 225 m2 cells. We used ALS data and accurately positioned cut-to-length harvester observations from clear-cut stands dominated by Norway spruce (Picea abies (L.) Karst.). Our aim was to study the effect of 1–10 local angle-gauge basal area measurements on the accuracy of predicted merchantable and sawlog volumes. A seemingly unrelated mixed-effect model system was fitted to estimate cross-model correlations in residuals and random effects, which were then utilized to predict all the random effects of the system for calibrated stand-level predictions. The 10 angle-gauge plots decreased the relative root mean square error (RMSE%) of the basal area and merchantable volume predictions from 16.8% to 10.5% and from 15.8% to 11.9%, respectively. Cross-model correlations of the stand effects of sawlog volume with the other responses were low; therefore, the initial RMSE% of ∼22% was decreased only marginally by the calibration.
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,000 | 0,000 |
| 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 ».