Assessing Site Productivity via Remote Sensing—Age-Independent Site Index Estimation in Even-Aged Forests
Notice bibliographique
Résumé
Forest productivity is a key driver of forest growth and yield and a critical information need for forest management and planning. Traditionally, this information has come from field plots, but these are expensive to measure and have limited coverage. Remote sensing, on the other hand, can provide forest inventory attributes on landscape scales and with a relatively low cost. A common predictor of forest productivity is site index (SI), traditionally estimated from age and height. In plantations, age can often be treated as a known quantity, but in natural-origin forests (of which Canada has vast swaths), age is often unknown and must be estimated, requiring expensive field work and resulting in a high level of error which, in turn, introduces error into SI estimates. The objective of this study is to generate estimates of SI from two successive LiDAR captures. The 99th percentiles (p99) of LiDAR returns from two successive captures 13 years apart were used along with species-specific SI curves to estimate SI. The results were compared to field-based estimates of SI for two major boreal species, jack pine and black spruce in managed and unmanaged conditions. Overall, the difference between the LiDAR-based SI and the field estimate was 2% with a relative mean squared error of 18%. For the few situations in which the height change was small or negative (less than 0.5%/year), SI was estimated from the average p99 and an assumed age of 100. The advantage of this method is that it does not require field sampling or estimates of age. Using two successive LiDAR captures, wall to wall estimates of SI can be generated at the grid cell level (e.g., 20 × 20 m), a level of detail generally not found in inventories. Overall, our results demonstrate the excellent potential for estimating SI from LiDAR alone, without age, to provide detailed productivity information for forest management and inventory that has been lacking in most large-scale inventories until now.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».