Calculating CH and RW from Vegetati

Calculating CH and RW from Vegetation Sample PointsTo evaluate the relative accuracy of the SfM-derived and LiDAR-derived CHMs, we calculated the CH and the RW from row segments in the CHMs from data set #3 and compared them with ground measurements. The extraction of segments of vegetation points is shown in Figure 2. We filtered out all the points with a height lower than 10 cm to ensure ground points did not impact the calculation. Within each segment, we calcu- lated CH by finding an optimized top percentile of the z values. Similarly, we calculated the RW by finding an optimized difference between a well-above average percentile and a well-below average percentile of y values. The optimal values were determined by find- ing the smallest RMSE between the derived metrics and the field measurements [23]. Spe-

ผลลัพธ์ (ไทย) 1:

การคำนวณ CH และ RW จากจุดตัวอย่างพืชพรรณเพื่อประเมินความแม่นยำสัมพัทธ์ของ CHM ​​ที่ได้มาจาก SfM และ CHM ที่ได้มาจาก LiDAR เราได้คำนวณ CH และ RW จากส่วนของแถวใน CHM จากชุดข้อมูล #3 และเปรียบเทียบกับการวัดภาคพื้นดิน การแยกส่วนของจุดพืชพรรณแสดงในรูปที่ 2 เรากรองจุดทั้งหมดที่มีความสูงต่ำกว่า 10 ซม. ออกเพื่อให้แน่ใจว่าจุดภาคพื้นดินไม่ส่งผลกระทบต่อการคำนวณ ภายในแต่ละส่วน เราคำนวณ CH โดยการค้นหาเปอร์เซ็นไทล์บนสุดที่ปรับให้เหมาะสมของค่า z ในทำนองเดียวกัน เราคำนวณ RW โดยการค้นหาความแตกต่างที่เหมาะสมที่สุดระหว่างค่าเปอร์เซ็นไทล์โดยเฉลี่ยที่สูงกว่าปกติกับค่าเปอร์เซ็นไทล์เฉลี่ยที่ต่ำกว่าค่า y มาก ค่าที่เหมาะสมที่สุดถูกกำหนดโดยการค้นหา RMSE ที่เล็กที่สุดระหว่างเมตริกที่ได้รับและการวัดภาคสนาม [23] สเป-

ผลลัพธ์ (ไทย) 2:

การคำนวณ CH และ RW จากจุดสุ่มตัวอย่างพืช
เพื่อประเมินความถูกต้องสัมพัทธ์ของ SfM Derivative และ Lidar Derivative CH และ RW เราคำนวณจากส่วนแถวของ CHM ในชุดข้อมูล # 3 และเปรียบเทียบกับการวัดภาคพื้นดิน การสกัดชิ้นส่วนของจุดพืชแสดงในรูปที่ 2 เรากรองทุกจุดที่มีความสูงต่ำกว่า 10 เซนติเมตรเพื่อให้แน่ใจว่าจุดภาคพื้นดินไม่มีผลต่อการคำนวณ ในแต่ละส่วน เราคำนวณ CH โดยการหา เปอร์เซ็นต์ที่ดีที่สุดของค่า z ในทำนองเดียวกัน เราคำนวณ RW โดยหาความแตกต่างที่ดีที่สุด ระหว่างเปอร์เซ็นต์ของค่า y ที่สูงกว่าค่าเฉลี่ยมาก กับเปอร์เซ็นต์ที่ต่ำกว่าค่าเฉลี่ยมาก กำหนดค่าที่ดีที่สุดโดยการหา RMSE ที่เล็กที่สุดระหว่างตัวชี้วัดที่ส่งออกและการวัดภาคสนาม [23] Spe-

ผลลัพธ์ (ไทย) 3:

คํานวณchและRWจากจุดตัวอย่างพืช
เพื่อประเมินความถูกต้องสัมพัทธ์ของCHMจากSfMและLiDARเราคํานวณCHและRWสําหรับส่วนของแถวในCHMจากชุดข้อมูล# 3และเปรียบเทียบกับการวัดภาคพื้นดิน ภาพที่2แสดงการสกัดชิ้นส่วนของพืช เรากรองจุดทั้งหมดที่มีความสูงต่ํากว่า10ซม.เพื่อให้แน่ใจว่าจุดพื้นดินจะไม่ส่งผลต่อการคํานวณ ในแต่ละย่อหน้าเราคํานวณchโดยหาเปอร์เซนต์ก่อนที่ดีที่สุดของค่าz ในทํานองเดียวกันเราคํานวณRWโดยหาความแตกต่างที่เหมาะสมระหว่างค่าyที่สูงกว่าค่าpercentเฉลี่ยและต่ํากว่าค่าpercentเฉลี่ย ค่าที่ดีที่สุดจะถูกกําหนดโดยการหาค่าRMSEที่น้อยที่สุดระหว่างการวัดที่ได้จากการวัดและการวัดภาคสนาม[ 23 ] สเป -