Improving tree diameter measurements above irregularities in Central African forests: a Close-Range Photogrammetric approach
Notice bibliographique
Résumé
Accurate measurement of tree diameter in forests is essential for sustainable management of forest resources, ecological assessment, and scientific research. However, most trees in tropical forests have irregularities at the base of the trunk, making it challenging to measure the trunk diameter above them with a tape measure. To meet the increasing demand for data accuracy and reliability, approaches using three-dimensional (3D) point clouds offer a valuable new source of data for tree measurements. This study examines the accuracy of diameter measurements above irregularities using the Close-Range Photogrammetric approach, with diameter tape serving as the reference. A total of 212 trees measured in the north of the Republic of Congo were reconstructed in three dimensions (3D), including 128 trees in semi-deciduous forest and 84 trees in evergreen forest. Comparisons were made in terms of dependence (simple linear regression), correlation (Pearson, Kendall, and Spearman tests), agreement (Bland and Altman method), and difference (Mean Absolute Error - MAE, Root Mean Square Error - RMSE, bias - BIAS, and coefficient of variation - CV). In addition to a near perfect match, a strong association of diameter measurements and a good degree of agreement, the results indicated the presence of differences between diameter measurement approaches in semi-deciduous forest (MAE = 9.25 cm, RMSE = 16.95 cm, BIAS = 7.45 cm) and evergreen forest (MAE = 3.88 cm, RMSE = 8.47 cm, BIAS = 2.37 cm). These differences are minor in the evergreen forest. The magnitude of the differences found is mostly due to the size of the large-diameter classes. In addition, the coefficients of variation (CV) of diameter obtained from the Close-Range Photogrammetric approach were lower than those obtained from the classic conventional approach in both forests, indicating the higher accuracy of the former approach. Further studies could use larger data samples to provide more accurate estimates and verify the limits of these applications’ measurement capabilities.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».