MétaCan
Menu
Retour à la cohorte
Enregistrement W4293716502 · doi:10.3389/fenvs.2022.949442

Assessing the effects of burn severity on post-fire tree structures using the fused drone and mobile laser scanning point clouds

2022· article· en· W4293716502 sur OpenAlexafffundabout
Yangqian Qi, Nicholas C. Coops, Lori D. Daniels, Christopher R. Butson

Notice bibliographique

RevueFrontiers in Environmental Science · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensGovernment of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMinistry of Forests, Lands, Natural Resource Operations and Rural Development
Mots-clésCrown (dentistry)Point cloudLaser scanningLidarTree (set theory)Environmental scienceForestryRemote sensingPhysical geographyGeographyMeteorologyAtmospheric sciencesComputer scienceMathematicsLaserArtificial intelligenceGeologyMedicineDentistryPhysics

Résumé

récupéré en direct d'OpenAlex

Wildfires burn heterogeneously across the landscape and create complex forest structures. Quantifying the structural changes in post-fire forests is critical to evaluating wildfire impacts and providing insights into burn severities. To advance the understanding of burn severities at a fine scale, forest structural attributes at the individual tree level need to be examined. The advent of drone laser scanning (DLS) and mobile laser scanning (MLS) has enabled the acquisition of high-density point clouds to resolve fine structures of individual trees. Yet, few studies have used DLS and MLS data jointly to examine their combined capability to describe post-fire forest structures. To assess the impacts of the 2017 Elephant Hill wildfire in British Columbia, Canada, we scanned trees that experienced a range of burn severities 2 years post-fire using both DLS and MLS. After fusing the DLS and MLS data, we reconstructed quantitative structure models to compute 14 post-fire biometric, volumetric, and crown attributes. At the individual tree level, our data suggest that smaller pre-fire trees tend to experience higher levels of crown scorch than larger pre-fire trees. Among trees with similar pre-fire sizes, those within mature stands (age class: > 50 years) had lower levels of crown scorch than those within young stands (age class: 15—50 years). Among pre-fire small- and medium-diameter trees, those experiencing high crown scorch had smaller post-fire crowns with unevenly distributed branches compared to unburned trees. In contrast, pre-fire large-diameter trees were more resistant to crown scorch. At the plot level, low-severity fires had minor effects, moderate-severity fires mostly decreased tree height, and high-severity fires significantly reduced diameter at breast height, height, and biomass. Our exploratory factor analyses further revealed that stands dominated by trees with large crown sizes and relatively wide spacing could burn less severely than stands characterized by regenerating trees with high crown fuel density and continuity. Overall, our results demonstrate that fused DLS-MLS point clouds can be effective in quantifying post-fire tree structures, which facilitates foresters to develop site-specific management plans. The findings imply that the management of crown fuel abundance and configuration could be vital to controlling burn severities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,098
Score d'incertitude au seuil0,195

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,215
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFrontiers in Environmental ScienceMême sujetFire effects on ecosystemsTravaux en français237 207