<scp>HemiPy</scp>: A Python module for automated estimation of forest biophysical variables and uncertainties from digital hemispherical photographs
Notice bibliographique
Résumé
Abstract Digital hemispherical photography (DHP) is widely used to derive forest biophysical variables including leaf, plant, and green area index (LAI, PAI and GAI), the fraction of intercepted photosynthetically active radiation (FIPAR), and the fraction of vegetation cover (FCOVER). However, the majority of software packages for processing DHP data are based on a graphical user interface, making programmatic analysis difficult. Meanwhile, few natively support analysis of RAW image formats, while none incorporate the propagation or provision of uncertainties. To address these limitations, we present HemiPy, an open‐source Python module for deriving forest biophysical variables and uncertainties from DHP images in an automated manner. We assess HemiPy using simulated hemispherical images, in addition to multiannual time‐series and litterfall data from several forested National Ecological Observatory Network (NEON) sites, as well as comparison against the CAN‐EYE software package. Multiannual time‐series of PAI, FIPAR and FCOVER demonstrate HemiPy's outputs realistically represent expected temporal patterns. Comparison against litterfall data reveals reasonable accuracies are achievable, with RMSE values close to the error of ~1 unit typically attributed to optical LAI measurement approaches. HemiPy's PAI, FIPAR and FCOVER outputs demonstrate good agreement with CAN‐EYE. Consistent with previous studies, when compared to simulated hemispherical images, better agreement is observed for PAI derived using gap fraction near the hinge angle of 57.5° only, as opposed to values derived using gap fraction over a wider range of zenith angles. HemiPy should prove a useful tool for processing DHP images, and its open‐source nature means that it can be adopted, extended and further refined by the user community.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
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 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 ».