Biomass estimates derived from sector subsampling of 360° spherical images
Notice bibliographique
Résumé
Abstract Efficient subsampling designs reduce forest inventory costs by focusing sampling efforts on more variable forest attributes. Sector subsampling is an efficient and accurate alternative to big basal area factor (big BAF) sampling to estimate the mean basal area to biomass ratio. In this study, we apply sector subsampling of spherical images to estimate aboveground biomass and compare our image-based estimates with field data collected from three early spacing trials on western Newfoundland Island in eastern Canada. The results show that sector subsampling of spherical images produced increased sampling errors of 0.3–3.4 per cent with only about 60 trees measured across 30 spherical images compared with about 4000 trees measured in the field. Photo-derived basal area was underestimated because of occluded trees; however, we implemented an additional level of subsampling, collecting field-based basal area counts, to correct for bias due to occluded trees. We applied Bruce’s formula for standard error estimation to our three-level hierarchical subsampling scheme and showed that Bruce’s formula is generalizable to any dimension of hierarchical subsampling. Spherical images are easily and quickly captured in the field using a consumer-grade 360° camera and sector subsampling, including all individual tree measurements, were obtained using a custom-developed python software package. The system is an efficient and accurate photo-based alternative to field-based big BAF subsampling.
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 | 0,001 | 0,002 |
| 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) | 0,001 | 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 ».