Evaluation of mobile laser scanning acquisition scenarios for automated wood volume estimation in a temperate hardwood forest using quantitative structural models
Notice bibliographique
Résumé
This study explores how data from a handheld mobile laser scanning (MLS) system and quantitative structural models (QSM) can be used to estimate tree structural attributes. Four MLS acquisition scenarios were investigated in a 1 ha temperate hardwood stand, including 15 and 35 m parallel lines, nine circular plots, and a 20 m × 20 m grid. Results were compared against terrestrial laser scanning and destructive field measurements. All acquisition scenarios yielded comparable results, except for the 35 m scenario, which showed greater variability. The 20 m × 20 m grid scenario showed the highest accuracy, with an RMSE of 0.41 m (2.07%) for tree height, 3.98 cm (14.93%) for diameter at breast height, 0.21 m³ (19.28%) for merchantable wood volume, and 0.07 m³ (10.11%) for merchantable stem volume. A bias < 5% was observed for these key attributes, except for an 11.68% bias in merchantable wood volume. Overestimation of branch volume was identified as the primary source of bias related to merchantable wood volume. This study highlights MLS’s potential for accurate, non-destructive estimation of tree structural attributes, while pointing out the need to refine noise removal and to assess the most suitable acquisition scenarios for various forest types.
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 | 0,004 | 0,000 |
| 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 | 0,000 | 0,001 |
| 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 ».