A spectral three-dimensional color space model of tree crown health
Notice bibliographique
Résumé
Protecting the future of forests in the United States and other countries depends in part on our ability to monitor and map forest health conditions in a timely fashion to facilitate management of emerging threats and disturbances over a multitude of spatial scales. Remote sensing data and technologies have contributed to our ability to meet these needs, but existing methods relying on supervised classification are often limited to specific areas by the availability of imagery or training data, as well as model transferability. Scaling up and operationalizing these methods for general broadscale monitoring and mapping may be promoted by using simple models that are easily trained and projected across space and time with widely available imagery. Here, we describe a new model that classifies high resolution (~1 m2) 3-band red, green, blue (RGB) imagery from a single point in time into one of four color classes corresponding to tree crown condition or health: green healthy crowns, red damaged or dying crowns, gray damaged or dead crowns, and shadowed crowns where the condition status is unknown. These Tree Crown Health (TCH) models trained on data from the United States (US) Department of Agriculture, National Agriculture Imagery Program (NAIP), for all 48 States in the contiguous US and spanning years 2012 to 2019, exhibited high measures of model performance and transferability when evaluated using randomly withheld testing data (n = 122 NAIP state x year combinations; median overall accuracy 0.89-0.90; median Kappa 0.85-0.86). We present examples of how TCH models can detect and map individual tree mortality resulting from a variety of nationally significant native and invasive forest insects and diseases in the US. We conclude with discussion of opportunities and challenges for extending and implementing TCH models in support of broadscale monitoring and mapping of forest health.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».