MétaCan
Menu
Retour à la cohorte
Enregistrement W4407009157 · doi:10.1093/forestry/cpaf002

Mapping mortality rates in boreal mixedwood forest using airborne laser scanning and permanent plot data

2025· article· en· W4407009157 sur OpenAlexaffabout
José Riofrío, Nicholas C. Coops, Muhammad Waseem Ashiq, Alexis Achim

Notice bibliographique

RevueForestry An International Journal of Forest Research · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensUniversité LavalMinistry of Natural Resources and ForestryUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBorealTaigaEnvironmental sciencePlot (graphics)Remote sensingForestryLaser scanningGeographyLaserMathematicsStatisticsOptics

Résumé

récupéré en direct d'OpenAlex

Abstract Accurate and spatially explicit predictions of tree mortality are critical for understanding forest dynamics and guiding management practices. Airborne Laser Scanning (ALS) can cover large spatial areas, allowing the estimation of forest attributes and characterization of forest canopy vertical structure and canopy gaps over various forest environments. This study integrated field measurements from permanent growth and yield plots with ALS-derived attributes to develop zero-inflated beta regression models for estimating basal area mortality rates. Specifically, we combined a set of attributes related to canopy complexity and canopy gaps derived from ALS data to predict and map (20 m pixel resolution) mortality rates over a large boreal mixedwood forest in northern Ontario, Canada. We evaluated how the mortality rates vary depending on stand-level factors, such as stand age and forest type defined by species composition proportions. Our findings demonstrate that canopy gaps and structural attributes significantly predict basal area mortality rates. In particular, we found that higher mortality rates are associated with more complex canopy structures and larger canopy gaps. However, the magnitude varied by species composition. The resulting spatially explicit mortality probability and mortality rate maps showed highly variable predictions across forest types and structural attributes, offering the possibility of analyzing the spatial correlation of mortality occurrence with other variables like soil and climate attributes. The results support using ALS data in Enhanced Forest Inventory systems for more precise and timely interventions in operational silvicultural planning.

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)0,000
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 enseignants0,464
Score d'incertitude au seuil0,922

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,101
Tête enseignante GPT0,413
Écart entre enseignants0,313 · 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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

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