A non-destructive approach to estimate buttress volume using 3D point cloud data
Notice bibliographique
Résumé
Buttressed trees have one of the largest sources of variation in volume or biomass estimates in tropical forests. Buttresses provide mechanical support for trees and offer other essential ecological functions such as nutrient acquisition. Here, we use an Alpha Shape Algorithm (ASA) based on a 3D point cloud to estimate the volume of 30 buttressed trees collected using Terrestrial Photogrammetry (TP). We also calculated the buttresses volume using allometric models developed using the Diameter Above the Buttress (DAB) and the Diameter computed from non-convex (Darea130) and convex area (Dconvex130) at breast height (1.3 m). To demonstrate the broader generalization of our allometric models, we validated the developed models using independent data obtained by Terrestrial Laser Scanning (TLS) and destructive measurement. Volume estimated by the ASA showed a high agreement with the reference volume acquired by the Smalian formula (RRMSE of 0.08 and R2 = 0.99 regardless of species effect). Our results suggest that the DAB seems to be the most advanced predictor for volume, with the lowest Akaike information criterion (AIC) of -62.4 than the Darea130 (49.2)and the Dconvex130 (30.3). At the same time, the DAB (RRMSE of 0.2) and Darea130 (RRMSE of 0.2) show similar performance when validated with independent data sets. Our results indicate that the ASA is more reliable and efficient than allometric models for buttress modelling. Our results also provide a solid foundation for buttress modelling, as we use more buttressed trees (45) for allometric model development than previous studies. Furthermore, the proposed non-destructive method can help to correct the bias in present and past estimates of volume and biomass of large trees, which are keystone components to understanding biomass allocation and dynamics in tropical forests.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».