Prédiction de la distribution des diamètres des arbres à l’aide de métriques tirées de la donnée lidar aéroporté pour les forêts boréales du Québec et de l’ouest de Terre-Neuve
Bibliographic record
Abstract
La forêt occupe une proportion importante du territoire Canadien et son exploitation nécessite une connaissance approfondie de la structure des peuplements forestiers. La distribution des diamètres des arbres (DDA) permet d’estimer plusieurs attributs forestiers, notamment le volume de bois ou le taux de croissance. Cette étude vise à prédire la DDA à une résolution fine (20 m²) à partir de données de LiDAR aéroporté pour les forêts boréales de conifères au Québec et à l’ouest de Terre Neuve. La donnée LiDAR aéroportée permet de produire un modèle de hauteur de canopée. Conséquemment, le premier objectif vise à améliorer les estimés de DDA avec la contribution de métriques texturales dérivées du modèle de hauteur de canopée combinées aux métriques LiDAR standards. Le deuxième objectif consiste à déterminer la meilleure approche pour modéliser les DDA : soit en différentiant a priori la modalité des DDA selon leur modalité (uni/bimodales) ou non. La modélisation de la DDA passe par la prédiction des paramètres de la fonction Weibull ajustée aux DDA unimodales et non-différentiées. Pour les DDA bimodales, un finite mixture model, composé de deux fonctions Weibull, permet d’extraire les paramètres des deux composantes Weibull ajustées à la DDA. Les paramètres, échelle et forme, des fonctions Weibull décrivant les DDA unimodales et non différenciées ont été prédits avec des R² acceptables (0.40-0.55) comparativement aux paramètres moyenne, proportion et écart type des DDA bimodales (R² moyen<0.30). L’utilisation de métriques de texture a permis d’améliorer la précision globale de la différentiation des modalités de 4%, ce qui a fait augmenter en moyenne de 0.10 le R² pour les paramètres des DDA unimodales et non-différentiées, et 0.17 pour les DDA différentiés bimodales. De plus, les DDA unimodales ont prédit en moyenne 79% des diamètres mesurés et 75% pour les bimodales. Les DDA non-différentiées ont prédit 76% des diamètres mesurés. Cependant, les DDA bimodales présentaient des R² faibles, causé par l’absence de deux modes clairement distincts ainsi eu par la difficulté de prédire les faibles diamètres.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".