Use of uncrewed aircraft systems (UAS) and regression tree modeling to calculate fractional shrub cover for greater sage-grouse microhabitat
Notice bibliographique
Résumé
Accurate maps of habitat availability for greater sage-grouse ( Centrocercus urophasianus ) across broad extents are of paramount importance to conservation efforts in sagebrush ecosystems across the Great Basin, particularly for habitat assessments and mitigation efforts. However, the ability to manage sage-grouse microhabitat is constrained by the spatial and spectral resolution of most remotely sensed vegetation products. Fractional approaches that yield estimates of percent cover at relatively coarse resolution (e.g., 30 ×30 m pixels) are well suited for regional and local estimates at relatively broad spatial scales (e.g., third-order macrohabitat selection and availability). However, precision at individual pixels that could represent finer selection patterns by sage-grouse (e.g., fourth-order microhabitat selection) is often poor. Here, results are presented from a study in central Nevada where previous fractional mapping approaches are advanced by applying regression tree (Cubist) modeling techniques at finer spatial resolutions, with estimates of shrub cover in training plots derived from ultra-high-resolution (< 3 cm) imagery collected with uncrewed aircraft systems (UAS) being applied to multi-spectral WorldView-2 scenes. The approach yields fractional estimates of shrub cover at a 2 m resolution . Compared to other fractional products, this product more closely correlates with actual field measurements that reflect finer selection patterns of sage-grouse. An advantage of the UAS-regression tree approach is that large volumes of training data can be collected rapidly from UAS compared to traditional ground-based vegetation surveys, which could ultimately yield previously lacking estimates of microhabitat availability across macrohabitat or landscape level extents. Our results provide high-resolution maps of shrub cover with multiple conservation applications, including the development of continuous microhabitat maps to inform sage-grouse habitat restoration efforts and incorporation into planning tools that simulate outcomes of multiple sagebrush management decisions. • Managers require microhabitat maps for wildlife monitoring and habitat restoration. • Current fractional cover products cannot accurately quantify microhabitat. • We collected ultra-high-resolution imagery using uncrewed aircraft systems. • We applied the imagery to WorldView scenes using regression tree models. • We developed high accuracy 2-m resolution fractional cover maps of shrub cover.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 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 ».