Combining Multi-Season Multispectral Imagery and Airborne Laser Scanning Data to Improve Predicted Quercus garryana Distribution
Notice bibliographique
Résumé
Garry oak ecosystems are one of North America's most distinctive and ecologically significant ecosystems. Currently, only 1–5% of their historical extent remains in near-natural condition. Effective conservation requires accurate information on Garry oak distribution and forest composition. Remote sensing and machine learning offer advantages over traditional methods in terms of resources and scalability. Spectral similarities with co-occurring species, rarity, and subcanopy growth present challenges in transitional forests. Previous studies have found incorporating light detection and ranging (LiDAR) and multi-season data to be advantageous in tree species classification compared to single season imagery. This research evaluates the effect of including multi-season LiDAR data and imagery on the accuracy of Garry oak identification in a random forest classification of a mixed broadleaf and coniferous forest on Vancouver Island, Canada. LiDAR improved overall accuracy by 5.21%, Garry oak producer accuracy by 19%, and user accuracy by 7.67% on average compared to imagery alone. The impact of seasonality was less clear. On average, classifications using leaf-on LiDAR outperformed multi-season and leaf-off LiDAR, while spring imagery, followed by multi-season imagery, performed best. However, that was not consistently true. Seasonality of inputs significantly impacted misclassification patterns and final proportion of predicted species. These findings highlight the benefits of integrating LiDAR data in classifications to identify Garry oaks. Further research on the impact of species composition and phenology could help optimize data acquisition timing.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».