Detecting and excluding disturbed forest areas improves site index determination using bitemporal airborne laser scanner data
Notice bibliographique
Résumé
Abstract Bitemporal airborne laser scanning (ALS) data are increasingly being used in forest management inventories for the determination of site index (SI). SI determination using bitemporal ALS data requires undisturbed height growth of dominant trees. Therefore, areas with disturbed top height development are unsuitable for SI determination, and should be identified and omitted before modelling, predicting and estimating SI using bitemporal ALS data. The aim of this study was to explore methods for classifying the suitability of forest areas for SI determination based on bitemporal ALS data. The modelling approaches k-nearest neighbour, logistic regression and random forest were compared for classifying disturbed (at least one dominant tree has disappeared) and undisturbed plots. A forest inventory with plot re-measurements and corresponding bitemporal ALS data from the Petawawa Research Forest in Ontario, Canada, was used as a case study. Based on the field data, two definitions of a disturbed plot were developed: (1) at least one dominant tree had died, was harvested or had fallen during the observation period, or (2) at least one dominant tree was harvested or had fallen during the observation period. The first definition included standing dead trees, which we hypothesized would be more difficult to accurately classify from bitemporal ALS data. Models of disturbance definition 1 and 2 yielded Matthews correlation coefficients of 0.46–0.59 and 0.62–0.80, respectively. Fit statistics of SI prediction models fitted to undisturbed plots were significantly better (P < 0.05) than fit statistics of SI prediction models fitted to all plots. Our results show that bitemporal ALS data can be used to separate disturbed from undisturbed forest areas with moderate to high accuracy in complex temperate mixedwood forests and that excluding disturbed forest areas significantly improves fit statistics of SI prediction models.
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 | 0,005 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».