A novel post-fire method to estimate individual tree crown scorch height and volume using simple RPAS-derived data
Notice bibliographique
Résumé
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».