Estimation of Forest Structure and Fuel Change Across Mountain Pine Beetle – Attacked Forests Using Mobile and RPAS – Based LiDAR
Notice bibliographique
Résumé
The recent mountain pine beetle (Dendroctonus ponderosae) outbreak has resulted in widespread mortality of pine trees across western Canada over the past two decades. The changes to forest structure caused by the beetle are well known through ground-based observations. However, the potential changes to fuels for wildfires associated with altered forest structure are not well known nor incorporated into fire fuel models. In this study, we used light detection and ranging (LiDAR) to quantify variations in forest structure and wildfire fuels caused by mountain pine beetle (MPB) infestation. From this data, we created models that characterize fuels following MPB attack. LiDAR metrics were extracted from three-dimensional point clouds acquired using remotely piloted aircraft systems (RPAS) and mobile laser scanning (MLS), both individually and combined. Fuel components in the stand were then modeled across a range of MPB attack severities. Results indicated the fused model was most accurate at predicting canopy fuel load (R2 = 0.80), while MLS had the best model performance for shrub fuel load (R2 = 0.68) and coarse woody debris fuel load (R2 = 0.68). This study demonstrates the ability of LiDAR to accurately characterize forest fuel loads in MPB-infested forests.
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 ».