論文の概要: Prediction of butt rot volume in Norway spruce forest stands using
harvester, remotely sensed and environmental data
- arxiv url: http://arxiv.org/abs/2107.04316v1
- Date: Fri, 9 Jul 2021 09:09:32 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-12 22:20:54.099774
- Title: Prediction of butt rot volume in Norway spruce forest stands using
harvester, remotely sensed and environmental data
- Title（参考訳）: 収穫者・リモートセンシング・環境データを用いたノルウェー産スズ林の腐朽量予測
- Authors: Janne R\"aty, Johannes Breidenbach, Marius Hauglin, Rasmus Astrup
- Abstract要約: ノルウェー産のブット・ロート(BR)による損傷は、北半球の木材生産に大きな経済的損失をもたらした。
ノルウェーのスタンドレベルにおいて, BRにより損傷を受けた木材の体積を, 186,026茎の収量情報を用いて予測した。
大気中のレーザースキャンデータとセンチネル2画像から得られたリモートセンシングされた予測変数は,環境変数よりも重要であった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Butt rot (BR) damages associated with Norway spruce (Picea abies [L.] Karst.)
account for considerable economic losses in timber production across the
northern hemisphere. While information on BR damages is critical for optimal
decision-making in forest management, the maps of BR damages are typically
lacking in forest information systems. We predicted timber volume damaged by BR
at the stand-level in Norway using harvester information of 186,026 stems
(clear-cuts), remotely sensed, and environmental data (e.g. climate and terrain
characteristics). We utilized random forest (RF) models with two sets of
predictor variables: (1) predictor variables available after harvest
(theoretical case) and (2) predictor variables available prior to harvest
(mapping case). We found that forest attributes characterizing the maturity of
forest, such as remote sensing-based height, harvested timber volume and
quadratic mean diameter at breast height, were among the most important
predictor variables. Remotely sensed predictor variables obtained from airborne
laser scanning data and Sentinel-2 imagery were more important than the
environmental variables. The theoretical case with a leave-stand-out
cross-validation achieved an RMSE of 11.4 $m^3ha^{-1}$ (pseudo $R^2$: 0.66)
whereas the mapping case resulted in a pseudo $R^2$ of 0.60. When the spatially
distinct k-means clusters of harvested forest stands were used as units in the
cross-validation, the RMSE value and pseudo $R^2$ associated with the mapping
case were 15.6 $m^3ha^{-1}$ and 0.37, respectively. This indicates that the
knowledge about the BR status of spatially close stands is of high importance
for obtaining satisfactory error rates in the mapping of BR damages.
- Abstract（参考訳）: ノルウェー・スプルース(picea abies [l.] karst.)に関連するバットロート(br)損傷
北半球の木材生産で かなりの経済的損失を計上しています
br損傷に関する情報は森林管理の最適意思決定には不可欠であるが、br損傷の地図は森林情報システムでは一般的に欠落している。
ノルウェーのスタンドレベルにおいて, BRにより損傷を受けた木材の体積を, 186,026茎(クラーカット), リモートセンシング, 環境データ(例)を用いて予測した。
気候と地形の特徴)
本研究では,(1)収穫後に利用可能な予測変数(理論ケース)と(2)収穫前に利用可能な予測変数(マッピングケース)の2種類の予測変数を持つランダムフォレスト(RF)モデルを用いた。
森林特性は, リモートセンシングによる高さ, 収穫木材体積, 乳房高さの2次平均直径など, 森林の成熟度を特徴付けることが, 最も重要な予測変数であることがわかった。
大気レーザースキャンデータとセンチネル-2画像から得られたリモートセンシング予測変数は,環境変数よりも重要であった。
11.4 $m^3ha^{-1}$(pseudo $R^2$: 0.66)のRMSEが得られたが、このマッピングの場合、擬似的なR^2$が0.60となった。
林冠の空間的に異なるk-meansクラスターをクロスバリデーション単位とした場合, RMSE値と擬似$R^2$は, それぞれ15.6 $m^3ha^{-1}$と0.37であった。
このことは, BR損傷のマッピングにおいて良好な誤差率を得る上で, 空間閉点のBR状態に関する知識が重要であることを示している。
関連論文リスト
- The Conditioning Bias in Binary Decision Trees and Random Forests and
Its Elimination [0.0]
格子特性を持つ特徴が存在する場合の条件付き演算子の選択によって生じるバイアスについて検討する。
我々は、このバイアスを排除し、決定木によるさらなる予測を必要とし、無作為な森林のコストを発生させない手法を提案する。
論文 参考訳（メタデータ） (2023-12-17T12:56:39Z) - A Novel Semisupervised Contrastive Regression Framework for Forest
Inventory Mapping with Multisensor Satellite Data [5.652290685410878]
本研究では,連続する森林変数の壁面間マッピングのための新しい半教師付き回帰フレームワークを開発する。
このフレームワークは、Copernicus Sentinel-1とSentinel-2の画像を用いて、ボレアル林のサイトで実証されている。
達成された予測精度は、バニラUNetや従来の回帰モデルよりも優れている。
論文 参考訳（メタデータ） (2022-12-01T03:26:02Z) - Hyperspectral and LiDAR data for the prediction via machine learning of
tree species, volume and biomass: a possible contribution for updating forest
management plans [0.3848364262836075]
本研究は,トレント自治州(PAT)の森林タイプと森林単位の脱線を識別する基盤を構築することを目的としている。
2014年のLiDARとPATによるハイパースペクトル調査のデータを取得し、処理した。
論文 参考訳（メタデータ） (2022-09-30T06:06:25Z) - Neuroevolution-based Classifiers for Deforestation Detection in Tropical
Forests [62.997667081978825]
森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。
監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。
本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
論文 参考訳（メタデータ） (2022-08-23T16:04:12Z) - Country-wide Retrieval of Forest Structure From Optical and SAR
Satellite Imagery With Bayesian Deep Learning [74.94436509364554]
本研究では,10mの解像度で森林構造変数を高密度に推定するベイズ深層学習手法を提案する。
本手法は,Sentinel-2光画像とSentinel-1合成開口レーダ画像を5種類の森林構造変数のマップに変換する。
ノルウェーを横断する41の空中レーザー走査ミッションの基準データに基づいて、我々のモデルを訓練し、テストする。
論文 参考訳（メタデータ） (2021-11-25T16:21:28Z) - MURAL: An Unsupervised Random Forest-Based Embedding for Electronic
Health Record Data [59.26381272149325]
異なる変数型でデータを表現するための教師なしランダムフォレストを提案する。
muraL forestsは、ノード分割変数がランダムに選択される一連の決定ツリーで構成されている。
提案手法を用いることで,競合するアプローチよりも正確なデータの視覚化と分類が可能であることを示す。
論文 参考訳（メタデータ） (2021-11-19T22:02:21Z) - From Static to Dynamic Prediction: Wildfire Risk Assessment Based on
Multiple Environmental Factors [69.9674326582747]
ワイルドファイアはアメリカ合衆国西海岸で頻繁に起こる最大の災害の1つである。
カリフォルニアの山火事リスクが高い地域を解析・評価するための静的・動的予測モデルを提案します。
論文 参考訳（メタデータ） (2021-03-14T17:56:17Z) - Growing Deep Forests Efficiently with Soft Routing and Learned
Connectivity [79.83903179393164]
この論文は、いくつかの重要な側面で深い森林のアイデアをさらに拡張します。
我々は、ノードがハードバイナリ決定ではなく、確率的ルーティング決定、すなわちソフトルーティングを行う確率的ツリーを採用する。
MNISTデータセットの実験は、私たちの力のある深部森林が[1]、[3]よりも優れたまたは匹敵するパフォーマンスを達成できることを示しています。
論文 参考訳（メタデータ） (2020-12-29T18:05:05Z) - Rectified Decision Trees: Exploring the Landscape of Interpretable and
Effective Machine Learning [66.01622034708319]
我々は,reDT(rerectified decision tree)と呼ばれる知識蒸留に基づく決定木拡張を提案する。
我々は,ソフトラベルを用いたトレーニングを可能にする標準決定木の分割基準と終了条件を拡張した。
次に,教師モデルから抽出したソフトラベルに基づいて,新しいジャックニフェ法を用いてReDTを訓練する。
論文 参考訳（メタデータ） (2020-08-21T10:45:25Z) - Trees, forests, and impurity-based variable importance [0.0]
MDI(Mean Decrease Impurity)という2つのよく知られたランダムな森林変動の重要度を分析した。
入力変数が独立であり、相互作用がない場合、MDIは出力の分散分解を提供する。
分析の結果,単木に比べて森林の利用にはいくつかの利点がある可能性が示唆された。
論文 参考訳（メタデータ） (2020-01-13T14:38:53Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。