
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | AgroParisTech | - |
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.contributor | 13465-970 | - |
| Autor(es): dc.contributor | Umr Eco&Sols | - |
| Autor(es): dc.contributor | Montpellier SupAgro | - |
| Autor(es): dc.creator | Fayad, Ibrahim | - |
| Autor(es): dc.creator | Ienco, Dino | - |
| Autor(es): dc.creator | Baghdadi, Nicolas | - |
| Autor(es): dc.creator | Gaetano, Raffaele | - |
| Autor(es): dc.creator | Alvares, Clayton Alcarde | - |
| Autor(es): dc.creator | Stape, Jose Luiz | - |
| Autor(es): dc.creator | Scolforo, Henrique Ferraco | - |
| Autor(es): dc.creator | Le Maire, Guerric | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T22:48:57Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T22:48:57Z | - |
| Data de envio: dc.date.issued | 2023-07-29 | - |
| Data de envio: dc.date.issued | 2023-07-29 | - |
| Data de envio: dc.date.issued | 2021-12-31 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/IGARSS46834.2022.9883973 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/246138 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/246138 | - |
| Descrição: dc.description | The Global Ecosystem Dynamics Investigation (GEDI) instrument, as all FW systems, relies on very sophisticated pre-processing steps to generate a priori metrics in order to accurately estimate forest characteristics, such as forest heights and wood volume. The ever-expanding volume of acquired GEDI data, which to September 2020 comprised more than 25 billion shots, and requiring more than 90 TB of storage space, raises new challenges in terms of adapted preprocessing methods for the suitable exploitation of such a huge and complex amount of LiDAR data. Therefore, to avoid metric computation, we leveraged deep learning techniques in order to estimate canopy dominant heights (Hdom) and wood volume (V) of Eucalyptus plantations over five different regions in Brazil. Performance comparisons were conducted between a convolutional neural network based model that uses GEDI waveform data and a previously used, metric based, Random Forest regressor (RF). Cross-validated results showed that the CNN based model compared well against the RF counterpart for both Hdom and V. Indeed, the RMSE on the estimation of Hdom from the CNN based model was 1.61 m with a coefficient of determination R2 of 0.90, while the RF model produced an accuracy on Hdom estimates of 1.45 m(R2=0.92). For V, CNN based estimates was 27.35 m3.ha-1(R2 of 0.88), while for RF, the RMSE was 27.60 m3.ha-1 (R2=0.88). | - |
| Descrição: dc.description | Cirad Cnrs Inrae Tetis Univ Montpellier AgroParisTech | - |
| Descrição: dc.description | Unesp Faculdade de Ciências Agronômicas, SP | - |
| Descrição: dc.description | Suzano SA 13465-970, Estrada Limeira, 391, SP | - |
| Descrição: dc.description | Cirad Umr Eco&Sols | - |
| Descrição: dc.description | Eco&Sols Univ Montpellier Cirad Inra Ird Montpellier SupAgro | - |
| Descrição: dc.description | Unesp Faculdade de Ciências Agronômicas, SP | - |
| Formato: dc.format | 7301-7304 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | International Geoscience and Remote Sensing Symposium (IGARSS) | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | Brazil | - |
| Palavras-chave: dc.subject | CNN | - |
| Palavras-chave: dc.subject | Dominant height | - |
| Palavras-chave: dc.subject | Eucalyptus | - |
| Palavras-chave: dc.subject | GEDI | - |
| Palavras-chave: dc.subject | Lidar | - |
| Palavras-chave: dc.subject | Wood volume | - |
| Título: dc.title | Estimating Forest Heights and Wood Volume using a Deep Learning Approach from Gedi Waveform Data | - |
| Tipo de arquivo: dc.type | aula digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: