Mapping species-specific aboveground forest biomass for Guangxi using wall-to-wall airborne laser scanning data
Notice bibliographique
Résumé
Estimates of aboveground forest biomass (AGB) and carbon fluxes, especially on a species-specific basis, over an extensive area are crucial in decision-making in forestry. This study generated the species-specific AGB map with a resolution of 20 m using three data sources (field measurement, wall-to-wall airborne laser scanning (ALS) data, and aerial digital orthophoto map (DOM)). Field measurement and corresponding ALS data (point cloud density ≥ 2.0/m 2 ) were collected from 1086 sample plots located across four arbor forest types (Chinese fir (Cunninghamia lanceolata) , Eucalyptus (Eucalyptus grandis × Eucalyptus urophylla) , Masson pine (Pinus massoniana) , and other mixed broadleaved forests) in Guangxi province, China, between 2017 and 2019. Firstly, we developed the species-specific AGB models based on field measurement and ALS data using four modeling algorithms (linear regression (LR), support vector regression (SVR), random forest (RF), generalized additive modeling (GAM)). GAM models performed the best, with a relative RMSE ranged from 13.6 % to 35.3 %. Secondly, forest type assigned to each grid cell in the rasterized wall-to-wall ALS data was derived from DOM-derived forest-type distribution map. Finally, a species-specific AGB map with a resolution of 20 m was generated by inputting forest type and ALS metrics for each grid cell in the rasterized wall-to-wall ALS data into the species-specific GAM models. Our AGB map could be useful to formulate the effective strategies of forest management. In the future, one can monitor the changes of AGB or carbon storage in Guangxi using our AGB map.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».