Estimation de la hauteur de la base de la couronne vivante avec lidar scanneur à retours multiples
Bibliographic record
Abstract
Au cours des dernières années, on a assisté à un virage vers une gestion plus durable de la forêt publique et des ressources forestières. Pour ce faire, il est nécessaire d'acquérir des informations précises sur le statut des forêts. Ceci permettra, d'une part, de mieux évaluer les ressources disponibles et, d'autre part, de faire un meilleur suivi de leur dynamique afin, par exemple, de mieux comprendre et de prévoir les impacts de l'activité sylvicole. Il a été démontré que les capteurs lidars pouvaient être utilisés afin d'obtenir des données pouvant être segmentées afin de décrire assez fidèlement la géométrie de la couronne d'arbres individuels. Parmi les attributs de la forêt pouvant être extraits de ces données, la hauteur de la base de la couronne vivante est probablement un de ceux pour lequel le potentiel du lidar a été le moins étudié et ce, malgré l'importance que la connaissance de ce paramètre peut avoir pour, par exemple, le calcul de la biomasse ou la prévention des feux de forêts. Une nouvelle méthode permettant d'estimer la hauteur de la couronne vivante à partir de données lidar est proposée. Les données utilisées pour la recherche ont été acquises au Québec, sur le territoire de la forêt d'enseignement et de recherche du Lac Duparquet. Les trois espèces à l'étude sont le peuplier faux-tremble, l'épinette blanche et le pin gris. L'appareil lidar utilisé pour acquérir les données est un capteur ALTM3100 de Optech permettant l'enregistrement des premiers et derniers retours, ainsi que jusqu'à deux retours intermédiaires. La méthode présentée a donné un biais de -1.37 mètres et une erreur type de 2.36 mètres. Ces résultats sont comparables à ceux obtenus par d'autres auteurs et semblent confirmer leur observation que le lidar à tendance à surestimer la hauteur de la base de la couronne. Il est noté que cette tendance à surestimer la mesure n'est pas systématique; elle semble se manifester différemment selon l'espèce. Des hypothèses concernant les différentes variables pouvant affecter la précision des mesures sont avancées. Des pistes pour mieux évaluer leur effet respectif ainsi que deux méthodes pouvant être utilisées pour améliorer l'exactitude et la précision des estimés sont proposées. \n______________________________________________________________________________
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".