MétaCan
Menu
← Retour à la cohorte
Enregistrement W4411968843 · doi:10.1101/2025.06.27.661894

Monitoring tropical forests with light drones: ensuring spatial and temporal consistency in stereophotogrammetric products

2025· preprint· en· W4411968843 sur OpenAlexaff
Nicolas Barbier, Pierre Ploton, Hadrien Tulet, Gaëlle Viennois, H. Leblanc, Benoît Burban, Maxime Réjou‐Méchain, Philippe Verley, James Ball, Denis Feurer, Grégoire Vincent

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2025
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensCanadian Nautical Research Society
Organismes subventionnairesCentre de Coopération Internationale en Recherche Agronomique pour le DéveloppementAgence Nationale de la RechercheBiodiversa+
Mots-clésConsistency (knowledge bases)DroneTropical forestGeographyEnvironmental scienceRemote sensingComputer scienceEcologyArtificial intelligenceBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Light drones provide a cheap and effective tool to monitor forest canopy, especially in tropical and equatorial contexts, where infrastructure and resources are limiting. In these regions, good quality optical satellite images are rare, yet the stakes are maximal to characterize forest function, dynamics, diversity, and phenology, and more generally the vegetation-climate interplay. We describe a complete processing chain based on photogrammetric tools that seeks to optimize the spatial and spectral coherence between repeat image mosaics at centimetric resolution. Our target is to allow individual tree-level monitoring over tens to hundreds of hectare scales with consumer grade equipment (i.e., quadcopter with stabilized RGB camera, standard GNSS positioning). We demonstrate the increase in spatial precision achieved using Time-SIFT and Arosics algorithms, which allow (individually and synergistically) to reduce global and local spatial misalignment between mosaics from several meters to a few centimeters. Time-SIFT provides the advantage of increased robustness in initial image alignment and 3D reconstruction, and hence reduces occasional distortions or data gaps. Using Agisoft’s color and white balance corrections combined with the use of vegetation indices provides meaningful quantitative signal despite considerable changes in acquisition conditions. In particular, indices that are less sensitive to illumination changes, like the green chromatic coordinate (GCC), allowed evidencing a seasonal signal over four years of monitoring in the evergreen moist forest at Paracou in French Guiana. The signal was decorrelated from obvious geometrical effect (sun height), and provided information on the vegetative stage at tree, species, and stand levels. Data/Code for peer review The complete processing chain, as well as the data and scripts used for producing the analyses presented here, are available for review on Zenodo: https://zenodo.org/records/15449377?token=eyJhbGciOiJIUzUxMiJ9.eyJpZCI6IjdjNWExMzIzLThkNDMtNDllNy1iYWY4LTY2MGZlZjkyZmQ3OCIsImRhdGEiOnt9LCJyYW5kb20iOiI5MGQ4NTE2YTE4OGViNDQ3YTFiZmMyYTFkZDlhZTZmMiJ9.CsJ0VRuQ90A1qzO1VJC1Q9eXFSp1N5UpeJlyr6otgXRPlf-I-jcwBJ6ytiBbbu8enCNJ2Ke6-oxNV8aeJ_AWIw

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 savante0,0010,001
Science ouverte0,0000,001
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 Opus0,011
Tête enseignante GPT0,209
Écart entre enseignants0,199 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetRemote Sensing and LiDAR Applications→Travaux en français237 207→