Detection and Quantification of Forest-Agriculture Ecotones Caused by Returning Farmland to Forest Program Using Unmanned Aircraft Imagery
Notice bibliographique
Résumé
The ‘Returning Farmland to Forest Program’ (RFFP) in China has become an essential factor in land cover changes and forest transition, especially in terms of the ecological processes between two adjacent ecosystems. However, accurately delineating ecotones is still a big challenge for vegetation and landscape ecologists. Acquiring high spatial resolution imagery from a small, unmanned aircraft system (UAS) provides new opportunities for studying ecotones at a small scale. This study aims to extract forest-agriculture ecotones by RGB ultrahigh-resolution images from a small UAS and quantify the small biotopes in 3D space. To achieve these objectives, a canopy height model (CHM) is constructed based on a UAS-photogrammetric-derived point cloud, which is derived from the digital surface model (DSM) minus the digital terrain model (DTM). Afterward, according to the difference of plant community height between abandoned farmland ecosystem and forest ecosystem, the ecotones are delineated. A landscape pattern identified with ecotones and other small biotopes at the fine scale. Furthermore, we assess the accuracy of the ecotones’ delineation based on the transects method with the previous situ work we carried out and quantify the landscape structure using common landscape metrics to describe its spatial and geometric characteristics. Through transect-based analysis at three transects, the overall accuracy of the width of UAS-derived delineation is greater than 70%, and the detection accuracy for the occurrence location is 100%. Finally, we conclude that ecotones extraction from UAS images would also provide the possibility to gain a comprehensive understanding of the entire ecological process of agricultural abandoned land restoration through continuous investigation and monitoring.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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 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 ».