Earth system science data· 2026Q1
BorFIT: Boreal Ormanlar için Ağaç Segmentasyonu ve Tür Tanımlama Amaçlı Yeni Bir LiDAR Veri Seti
BorFIT: a novel LiDAR-based training dataset for individual tree segmentation and species detection in northern boreal forests
- 1atıf
- Q1SCImago
- 2026yıl
Kısa özet
Doğu Sibirya, Kanada ve Alaska'dan 384 adet LiDAR nokta bulutu (her biri 20m x 20m) içeren yeni BorFIT veri seti, karmaşık boreal ormanlarda bireysel ağaçların yapay zeka destekli segmentasyonunu ve tür tespitini iyileştirerek toplamda 16.530 manuel olarak segmentlenmiş ağacı kapsamaktadır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- BorFIT veri seti, Doğu Sibirya, Kanada ve Alaska'daki 146 lokasyondan elde edilen 384 LiDAR nokta bulutu (20m x 20m) içermektedir.
- 16.530 adet manuel olarak segmentlenmiş ve türleri sınıflandırılmış bireysel ağacı kapsamaktadır.
- Boreal bölgeye özgü 12 ağaç türünü içermektedir.
- Karmaşık boreal orman ortamlarında yapay zeka tabanlı segmentasyon ve tür tespitini iyileştirmek üzere tasarlanmıştır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Abstract. BorFIT is a novel training data set designed to assist in the segmentation of individual trees and the detection of species from LiDAR point clouds, thus contributing to deep learning-based forestry applications. Recent advancements in AI-supported individual tree detection have shown significant progress; however, satisfactory results remain elusive in dense and structurally-complex boreal forests. We compiled a training data set designed to remedy this issue. It comprises 384 LiDAR point clouds, each with an area of 20 m × 20 m, in the form of reference plots, with up to 200 manually segmented and species classified trees per point cloud. We carried out LiDAR surveys at 146 sites between 2021 and 2024 in East Siberia (Yakutia), northwest Canada, and Alaska (USA), selected along a bioclimatic gradient to represent the circumboreal region. From each LiDAR transect derived point cloud, we extracted a minimum of four reference plots (each 20 m × 20 m) based on maximum tree heights within the plots to systematically sample the apparent tree density gradient. We manually segmented identifiable trees within each reference plot point cloud leading to 16,530 individual trees in total. Following segmentation, we trained four randomForest classifiers to predict the species of every segmented tree. The predicted tree species include: Picea mariana (Britton, Sterns Poggenb.), Picea sitchensis ((Bong.) Carrière), Picea glauca ((Moench) Voss), Pinus contorta (Douglas ex Loudon), Abies lasiocarpa ((Hook.) Nutt.), Larix laricina ((Du Roi) K.Koch), Betula papyrifera (Marshall), Betula neoalaskana ((Regel) Ashburner McAll.), Populus balsamifera (L.), Populus tremuloides (Michx.), Pinus sylvestris (Thunb.) and Alnus glutinosa ((L.). The data offer the means for 3D space analysis of species distribution and stand structure around the circumboreal region. Furthermore, it can be used as a training data set for artificial intelligence (AI) applications and thereby improve our understanding of the boreal forest’s vegetation reorganization in response to significant global warming.
Yazarların özeti; kaynağından alınmıştır. Earth system science data, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
ForestryAgricultural and Biological Sciences