Use of GEDI Signal and Environmental Parameters to Improve Canopy Height Estimation over Tropical Forest Ecosystems in Mayotte Island
Notice bibliographique
Résumé
Canopy height is a fundamental parameter for describing forest ecosystems.GEDI is a spaceborne LiDAR system that was designed to measure vegetation's vertical structure at a global scale.This study evaluates the accuracy of GEDI-derived canopy height estimates over complex tropical forests in Mayotte Island (Overseas France) characterized by moderate height and biomass levels as well as a relatively steep terrain.The influence of GEDI signal and environmental parameters (canopy height, beam sensitivity and slope) on height estimates was assessed.Linear as well as non-linear approaches were implemented using the GEDI L2A product to estimate canopy height.Empirical models were trained on reference data derived from airborne LiDAR scanning.The results showed that using regression models built on multiple GEDI metrics yielded improved accuracies compared to a direct estimation from a single GEDI height metric.Canopy height, beam sensitivity and terrain slope were found to have a significant impact on the height metrics derived from GEDI waveforms.Conversely, both linear and non-linear regression models produced unbiased and stable estimates. RÉSUMÉLa hauteur de la canopée est un paramètre fondamental pour décrire les écosystèmes forestiers.GEDI est un système LiDAR spatial conçu pour mesurer la structure verticale de la végétation à l'échelle mondiale.Cette étude évalue la précision des estimations de la hauteur de la canopée à partir de GEDI sur des forêts tropicales complexes de l'île de Mayotte (France d'outre-mer) caractérisées par des hauteurs et des niveaux de biomasse modérés ainsi que par un terrain relativement escarpé.L'influence du signal GEDI et des paramètres environnementaux (hauteur de la canopée, sensibilité du faisceau laser et pente du terrain) sur les estimations de hauteur a été évaluée.Des approches linéaires et non-linéaires ont été mises en œuvre en utilisant le produit GEDI L2A pour estimer la hauteur de la canopée.Des modèles empiriques ont été entraînés sur des données de référence issues d'acquisitions par LiDAR aéroporté.Les résultats ont montré que l'utilization de modèles de régression construits à partir de plusieurs métriques GEDI permettait d'améliorer la précision par rapport à une estimation directe à partir d'une seule métrique de hauteur GEDI.La hauteur de la canopée, la sensibilité du faisceau et la pente ont eu un impact significatif sur les métriques de hauteur dérivées des formes d'onde GEDI.Par ailleurs, les modèles de régression linéaire et non-linéaire ont produit des estimations stables et sans biais.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».