Tree Diameter at Breast Height (DBH) Estimation Using an iPad Pro LiDAR Scanner: A Case Study in Boreal Forests, Ontario, Canada
Notice bibliographique
Résumé
The aim of this study was to determine whether the iPad Pro 12th generation LiDAR sensor is useful to measure tree diameter at breast height (DBH) in natural boreal forests. This is a follow-up to a previous study that was conducted in a research forest and identified the optimal method for (DBH) estimation as a circular scanning and fitting ellipses to 4 cm stem cross-sections at breast height. The iPad Pro LiDAR scanner was used to acquire point clouds for 15 sites representing a range of natural boreal forest conditions in Ontario, Canada, and estimate DBH. The secondary objective was to determine if tested stand (species composition, age, density, understory) or tree (species, DBH) factors affected the accuracy of estimated DBH. Overall, estimated DBH values were within 1 cm of actual DBH values for 78 of 133 measured trees (59%). An RMSE of 1.5 cm (8.6%) was achieved. Stand age had a large effect (>0.15) on the accuracy of estimated DBH values, while density, understory, and DBH had moderate effects (0.05–0.14). No trend was identified between accuracy and stand age. Accuracy improved as understory density decreased and as tree DBH increased. Inertial measurement unit (IMU) and positional accuracy errors with the iPad Pro scanner limit the feasibility of using this device for forest inventories.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».