MétaCan
Menu
Retour à la cohorte
Enregistrement W4405691437 · doi:10.1093/forestry/cpae058

Quantifying architectural uniqueness of Scots pine trees using terrestrial laser scanning: toward individual tree fingerprinting

2024· article· en· W4405691437 sur OpenAlexaff
Tuomas Yrttimaa, Samuli Junttila, Juha Hyyppä, Markus Holopainen, Michael A. Wulder, Mikko Vastaranta

Notice bibliographique

RevueForestry An International Journal of Forest Research · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensNatural Resources CanadaCanadian Forest Service
Organismes subventionnairesEuropean Commission
Mots-clésScots pineTree (set theory)ScotsUniquenessForestryGeographyPinus <genus>MathematicsBotanyBiologyArt

Résumé

récupéré en direct d'OpenAlex

Abstract Tree architecture reflects a hierarchical growth pattern shaped by the interplay between genetics and the environment. Environmental variation leads to unique resource availability, resulting in each tree developing distinct structural features, akin to the uniqueness of a human fingerprint. In this study, we propose a nondestructive method for quantifying this architectural uniqueness using terrestrial laser scanning for tree identification. While tree identification is commonly based on their precise geospatial location, this information may not always be available. Instead, we hypothesized that a tree’s stem profile (diameters along the stem) and branching arrangement (locations of branch origins on the stem surface) could distinguish individuals within a population. The experimental setup included 65 Scots pine (Pinus sylvestris L.) trees in a managed boreal forest stand, scanned with terrestrial laser scanning in September 2021 (T1) and November 2022 (T2). We investigated whether individual trees could be identified based on architectural similarities between their point cloud reconstructions from T1 and T2. In total, 52 trees (80.0%) were identified based on their architectural characteristics. The results supported our hypothesis, showing that identifying ≥10 branch origins from independent reconstructions was sufficient to establish architectural uniqueness, resulting in 100% identification accuracy (n = 20 trees). These findings suggest that the complex three-dimensional tree architecture can be condensed into a two-dimensional pattern of points representing branch arrangement, which we term the “tree fingerprint.” These architectural characteristics, which can be reconstructed from the lower half of the tree, are well suited for acquisition via ground-based sensing techniques such as terrestrial or mobile laser scanning. If point cloud data capable of characterizing individual branches is acquired during forest operations, the proposed methodology can facilitate tree identification for applications such as wood tracking, even without geospatial coordinates.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,143
Tête enseignante GPT0,412
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueForestry An International Journal of Forest ResearchMême sujetRemote Sensing and LiDAR ApplicationsTravaux en français237 207