Plot size is an important design pa

Plot size is an important design parameter in forest surveys,
because it has the potential to either dampen or inflate the impact of
edge effects and co-registration error. The edge-effect (noise)
associated with LiDAR metrics is largely unavoidable, and related to
the fact that trees located just outside the plot boundary (not included
in the ground sample) may still have some portion of their crowns
falling within the plot. As well, trees tallied within the plot may have
part of their crowns lying outside the plot boundaries (not measured
by LiDAR). Sample plots that have a large perimeter-to-area ratio will,
in theory, produce LiDAR metrics that are less precise and less
accurate, due to the inclusion of substantially more edge-induced
measurement error. Because the perimeter-to-area ratio of a square or
circular plot declines nonlinearly with increasing plot size, we expect
that larger plots may substantially reduce the negative impact of the
edge-effect on the magnitude and stability of LiDAR metrics.
Furthermore, larger plots maintain a higher degree of spatial overlap
in the presence of GPS positional errors (Flewelling, 2009), exhibit
less between-plot variance (Zeide, 1980), and are therefore less
affected by the co-registration error that inevitably occurs between
ground and LiDAR samples.

ผลลัพธ์ (ไทย) 1:

ขนาดแปลงเป็นพารามิเตอร์การออกแบบที่สำคัญในการสำรวจป่า,
เนื่องจากมีศักยภาพในการชุ่ม หรือขยายผลกระทบของ
ขอบลักษณะพิเศษและข้อผิดพลาดในการลงทะเบียนร่วมกัน ขอบผล (เสียง)
สัมพันธ์ LiDAR วัดเป็นส่วนใหญ่หลีกเลี่ยงไม่ได้ และที่เกี่ยวข้องกับ
ต้นไม้ตั้งอยู่นอกขอบเขตของแผน (ไม่รวม
ในตัวอย่างดิน) อาจยังมีบางส่วนของการครอบฟัน
อยู่ในแปลงได้ เช่น ต้นไม้แน่ภายในพล็อตอาจ
ของครอบฟันของพวกเขาอยู่นอกขอบเขตของแผน (ไม่ได้วัด
โดย LiDAR) ผืนตัวอย่างที่มีอัตราส่วนในขอบเขตพื้นที่ที่มีขนาดใหญ่ จะ,
ในทฤษฎี ผลิตวัด LiDAR ที่ไม่แม่นยำ และน้อย
ถูกต้อง เนื่องจากการรวมมากขึ้นขอบเกิด
วัดผิดพลาด เนื่องจากอัตราส่วนในขอบเขตพื้นที่ของสี่เหลี่ยมจัตุรัส หรือ
แผนวงกลม nonlinearly ปฏิเสธ ด้วยการเพิ่มขนาดการลงจุด เราหวัง
ว่า ผืนใหญ่มากอาจลดผลกระทบเชิงลบของ
ลักษณะขอบขนาดและความมั่นคงของ LiDAR วัด
Furthermore ผืนใหญ่รักษาพื้นที่ทับซ้อนในระดับที่สูง
ในต่อหน้าของ GPS แสดงตำแหน่งผิด (Flewelling, 2009),
น้อย (Zeide, 1980) ผลต่างระหว่างพล็อต และดังน้อย
รับผลกระทบจากข้อผิดพลาดการลงทะเบียนร่วมที่ย่อมเกิดขึ้นระหว่าง
LiDAR ตัวอย่างและพื้น

ผลลัพธ์ (ไทย) 2:

ขนาดที่ดินเป็นพารามิเตอร์การออกแบบที่มีความสำคัญในการสำรวจป่า
เพราะมันมีศักยภาพที่จะส่งผลกระทบหรือทั้งขยายผลกระทบของ
ผลกระทบขอบและความผิดพลาดร่วมลงทะเบียน ขอบผลกระทบ (เสียง)
ที่เกี่ยวข้องกับตัวชี้วัด LiDAR เป็นส่วนใหญ่หลีกเลี่ยงไม่ได้และเกี่ยวข้องกับ
ความจริงที่ว่าต้นไม้ที่อยู่นอกขอบเขตของพล็อต (ไม่รวมอยู่
ในกลุ่มตัวอย่างพื้นดิน) ยังอาจมีส่วนหนึ่งของครอบฟันของพวกเขาบางส่วน
ตกอยู่ในพล็อต เช่นเดียวกับต้นไม้ที่นับในพล็อตอาจจะมี
ส่วนหนึ่งของครอบฟันของพวกเขานอนอยู่นอกขอบเขตของพล็อต (ไม่ได้วัด
โดย LiDAR) แปลงตัวอย่างที่มีอัตราส่วนปริมณฑลเพื่อพื้นที่ขนาดใหญ่จะ
ในทางทฤษฎีการผลิตตัวชี้วัด LiDAR ที่น้อยแม่นยำและไม่
ถูกต้องเนื่องจากการรวมของขอบเหนี่ยวนำให้เกิดอย่างมีนัยสำคัญมากขึ้น
ข้อผิดพลาดการวัด เพราะอัตราส่วนปริมณฑลต่อพื้นที่ของสี่เหลี่ยมหรือ
วงกลมล็อตลดลง nonlinearly กับการเพิ่มขนาดพล็อตที่เราคาดหวัง
ว่าแปลงขนาดใหญ่อย่างมีนัยสำคัญจะช่วยลดผลกระทบเชิงลบของ
ขอบผลกระทบต่อขนาดและความเสถียรของตัวชี้วัด LiDAR
นอกจากแปลงขนาดใหญ่ รักษาระดับสูงของพื้นที่ที่ทับซ้อนกัน
ในการปรากฏตัวของความผิดพลาดตำแหน่งจีพีเอส (Flewelling 2009), การจัดแสดง
น้อยระหว่างพล็อตความแปรปรวน (Zeide, 1980) และดังนั้นจึงมีน้อยกว่า
ผลกระทบจากข้อผิดพลาดร่วมลงทะเบียนที่หลีกเลี่ยงไม่เกิดขึ้นระหว่าง
พื้นดินและ LiDAR ตัวอย่าง

ผลลัพธ์ (ไทย) 3:

แปลงขนาดเป็นพารามิเตอร์ที่สำคัญการออกแบบในการสำรวจป่า
เพราะมันมีศักยภาพที่จะรองรับหรือเพิ่มผลกระทบของผลขอบและข้อผิดพลาดการลงทะเบียนจำกัด ขอบผล ( เสียง )
เกี่ยวข้องกับ LIDAR วัดส่วนใหญ่ไม่สามารถหลีกเลี่ยงได้ และที่เกี่ยวข้องกับ
ความจริงที่ว่าต้นไม้ตั้งอยู่นอกพล็อตขอบเขต ( ไม่รวม
ในดินตัวอย่าง ) อาจจะยังคงมีบางส่วนของมงกุฎ
ลดลงภายในแปลง เช่น ต้นไม้นับภายในพล็อตอาจจะส่วนหนึ่งของมงกุฎ
อนอยู่ข้างนอกแปลงขอบเขต ( วัด
โดย lidar ) แปลงตัวอย่างที่มีพื้นที่ขนาดใหญ่พื้นที่อัตราส่วนจะ
ในทฤษฎีตัวชี้วัดที่แม่นยำผลิต LIDAR น้อยลงและความถูกต้องน้อยกว่า
,เนื่องจากการรวมหลักฐานเพิ่มเติมขอบเหนี่ยว
ความผิดพลาดของการวัด เพราะมีอัตราส่วนพื้นที่ของสี่เหลี่ยมหรือวงกลม nonlinearly
พล็อตลดลงเมื่อแปลงขนาดเราคาดหวัง
ที่แปลงขนาดใหญ่อาจช่วยลดผลกระทบเชิงลบของ
ขอบมีผลต่อขนาดและเสถียรภาพของไลดาร์เมตริก .
นอกจากนี้แปลงขนาดใหญ่รักษาระดับสูงของ
ซ้อนเชิงพื้นที่ในการแสดงตนของ GPS ตำแหน่งข้อผิดพลาด ( flewelling 2009 ) จัดแสดงระหว่างความแปรปรวน
น้อยกว่าแปลง ( zeide , 1980 ) , และดังนั้นจึงน้อยกว่า
ได้รับผลกระทบจากข้อผิดพลาดที่อาจเกิดขึ้นระหว่างบริษัทจดทะเบียน
พื้นดินและตัวอย่างไลด้า