인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
Remote sensing is key for large-scale forest mapping, yet the limited integration of LiDAR sensors restricts the spatial coverage of forest attribute estimation. Our study aimed to accurately map Foliage Height Diversity (FHD) in five key North American regions, vital for ongoing research in ecosystem dynamics in western North America. We used a combination of GEDI data and LVIS data, incorporating measures of forest complexity and relative forest heights (RH25, RH50, RH75, and RH98), to predict FHD with a random forest regression in the Kluane region, southwest Yukon—a northernmost site where GEDI data are not available. This method was designed to overcome spatial coverage limitations of different sensors, enabling the production of consistent, precise, multi-temporal FHD maps across all sites. We found strong agreement between predicted and observed FHD values estimated from Airborne Laser Scanning in the Yukon (R2 = 0.72; RMSE = 0.46). Additionally, we upscaled GEDI FHD predictions in all sites by integrating Landsat imagery, ALOS PALSAR, and topographical data, resulting in high accuracy (R2 = 0.85; RMSE = 0.26). Our findings demonstrate that by harmonizing full-wave form LiDAR sensors, we can significantly expand the coverage of LiDAR data, allowing for consistent broad-scale analyses of forest attributes.
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
