Locating and profiling city street trees using Baidu street view images for carbon storage evaluation
Notice bibliographique
Résumé
Traditional methods for estimating the carbon storage of street trees involve manual sampling, which incurs substantial human, material, and temporal costs in establishing a city-wide comprehensive inventory of street trees. In this study, we propose a multi-task convolutional neural network called STV-MNet to identify individual- level and city-wide street trees from Baidu street view images (BSVIs). We measured the structural and locational information of the identified trees using cylindrical projection and MonoDepth depth estimation network. STV-MNet achieved a mean intersection over union (mIoU) of 0.733 and a mean average precision of 0.881 at IoU 50 % (mAP50) in individual tree identification, outperforming DeepLab v3+ (mIoU of 0.641) and YOLO v3 (mAP50 of 0.767). Validation with street-measured data demonstrates that our method produces more precise estimations for both tree height and breast diameter, with the root mean square error (RMSE) of 0.09 m and the normalized RMSE of 0.005 m for tree height and the RMSE of 0.01 m and the normalized RMSE of 0.016 m for diameter at breast height (DBH). The location prediction of street trees achieves a minimum error of 0.67 m and an average error of 7.37 m. Using the biomass carbon storage equation, we calculated the carbon storage of individual street trees in Changsha City, Hunan Province, China. The results indicate that the total carbon storage of 333,717 street trees in urban areas of Changsha City is 1.64 × 10 5 tons, and the annual carbon sequestration capacity across the urban areas is 8014.57 tons. In certain areas, street tree resources have enabled the achievement of carbon neutrality in road transportation. This study presents a novel approach to managing urban street tree carbon storage, leveraging STV-MNet for automatic carbon storage estimates, and demonstrates high practical significance in low-cost and city-wide street tree carbon storage estimation. • STV-MNet is proposed for individual-level street tree identification from Baidu street view images. • The structural and location information of street trees were predicted in the urban areas of Changsha City. • The calculated total carbon storage of urban street trees in Changsha City is 1.64 × 10 5 tons.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».