Old-Growth Attributes Prediction in the Coastal Western Hemlock Ecosystem, British Columbia using LiDAR
Notice bibliographique
Résumé
Old-growth forests have complex structure variability that provides critical habitat for endangered species, enhancing biodiversity and ecosystem services, but old-growth has become rare due to historical forest harvesting. In order to support the conservation of Old-Growth forests in B.C., it is necessary to identify old-growth forests from other non-old-growth forests. However, the traditional age measurement methods are costly and intractable at landscape scales, also the structural characteristics of old growth are not included. This study attempts to predict the distribution of old-growth attributes in the Coastal Western Hemlock (CWH) zone in British Columbia using area-based lidar metrics. Lidar point clouds of 61 forestry inventory plots are extracted to generate liDAR metrics to create multilinear regression models for four old-growth attributes: standard deviation of diameter at breast height (DBH), maximum tree DBH, average live crown percentage, and the sum of understory plants percentage. The results show that multilinear regression and LiDAR data can be used to estimate the distribution of old-growth attributes except for the average live crown percentage. An old-growth index is derived from four old-growth attributes for mapping the potential locations of old-growth. However, the validation results of 11.28% from vegetation resource inventory (VRI) illustrate that the old-growth index does not successfully identify old growth. Despite the challenges encountered, the prediction results can still be used to identify old-growth attributes and enhance knowledge of old-growth landscapes. Also, this study has potential applications in old-growth forest restoration in the Western Hemlock Ecosystem and supports the old-growth management plan of the government.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».