A new lens on biodiversity assessment: The reliability of high-resolution remote sensing in investigating tree species diversity in old-growth forests
Notice bibliographique
Résumé
Describing and monitoring biodiversity in complex ecosystems is crucial for conservation and sustainable forest management. This study investigates the effectiveness of high-resolution remote sensing (RS) in assessing tree species diversity within the Białowieża Forest, one of the most natural lowland forests in Europe and a UNESCO World Heritage Site. The research aimed to evaluate two hypotheses: (H1) that RS can reliably assess canopy tree species diversity across different spatial contexts, and (H2) that there is a strong correlation between RS-derived biodiversity estimates and field measurements, with the correlation varying based on forest management and species composition. The study employed active (Airborne Laser Scanning - ALS) and passive (Color Infrared - CIR) RS data, along with XGBoost, to create species maps, which were compared with field measurements collected across three species compositions and three management categories. Findings suggest that RS is particularly reliable in stable environments with homogeneous species distributions, such as in mixed stands and managed forests, where RS closely aligned with field measurements. However, challenges emerged in capturing rare species and accurately estimating species densities in stands with complex vertical stratification, such as broadleaved stands and strict reserves. These limitations were identified as a critical determinant of the success of RS in biodiversity monitoring, whereas weaker correlations between canopy and understory diversity had a comparatively lesser impact. Overall, this study underscores the potential of RS in assessing tree species diversity, including both canopy and understory, and emphasizes its significance in supporting biodiversity monitoring and conservation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,027 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,015 |
| Communication savante | 0,013 | 0,019 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».