MétaCan
Menu
Retour à la cohorte
Enregistrement W4360615512 · doi:10.1186/s42408-023-00174-7

A novel post-fire method to estimate individual tree crown scorch height and volume using simple RPAS-derived data

2023· article· en· W4360615512 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueFire Ecology · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueFire effects on ecosystems
Établissements canadiensNatural Resources CanadaUniversity of British Columbia
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCrown (dentistry)Point cloudRemote sensingPhotogrammetryEnvironmental scienceTree (set theory)Computer scienceForestryMathematicsGeographyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Background: An accurate understanding of wildfire impacts is critical to the success of any post-fire management framework. Fire severity maps are typically created from satellite-derived imagery that are capable of mapping fires across large spatial extents, but cannot detect damage to individual trees. In recent years, higher resolution fire severity maps have been created from orthomosaics collected from remotely piloted aerial systems (RPAS). Digital aerial photogrammetric (DAP) point clouds can be derived from these same systems, allowing for spectral and structural features to be collected concurrently. In this note, a methodology was developed to analyze fire impacts within individual trees using these two synergistic data types. The novel methodology presented here uses RPAS-acquired orthomosaics to classify trees based on a binary presence of fire damage. Crown scorch heights and volumes are then extracted from fire-damaged trees using RPAS-acquired DAP point clouds. Such an analysis allows for crown scorch heights and volumes to be estimated across much broader spatial scales than is possible from field data. Results: There was a distinct difference in the spectral values for burned and unburned trees, which allowed the developed methodology to correctly classify 92.1% of trees as either burned or unburned. Following a correct classification, the crown scorch heights of burned trees were extracted at high accuracies that when regressed against field-measured heights yielded a slope of 0.85, an R-squared value of 0.78, and an RMSE value of 2.2 m. When converted to crown volume scorched, 83.3% of the DAP-derived values were within ± 10% of field-measured values. Conclusion: This research presents a novel post-fire methodology that utilizes cost-effective RPAS-acquired data to accurately characterize individual tree-level fire severity through an estimation of crown scorch heights and volumes. Though the results were favorable, improvements can be made. Specifically, through the addition of processing steps that would remove shadows and better calibrate the spectral data used in this study. Additionally, the utility of this approach would be made more apparent through a detailed cost analysis comparing these methods with more conventional field-based approaches.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,358
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,003
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,002

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 Opus0,043
Tête enseignante GPT0,324
Écart entre enseignants0,281 · 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