Measuring and monitoring linear woody features in agricultural landscapes through earth observation data as an indicator of habitat availability
Notice bibliographique
Résumé
The loss of natural habitats and the loss of biological diversity is a global problem affecting all ecosystems including agricultural landscapes. Indicators of biodiversity can provide standardized measures that make it easier to compare and communicate changes to an ecosystem. In agricultural landscapes the amount and variety of available habitat is directly correlated with biodiversity levels. Linear woody features (LWF), including hedgerows, windbreaks, shelterbelts as well as woody shrubs along fields, roads and watercourses, play a vital role in supporting biodiversity as well as serving a wide variety of other purposes in the ecosystem. Earth observation can be used to quantify and monitor LWF across the landscape. While individual features can be manually mapped, this research focused on the development of methods using line intersect sampling (LIS) for estimating LWF as an indicator of habitat availability in agricultural landscapes. The methods are accurate, efficient, repeatable and provide robust results. Methods were tested over 9.5 Mha of agricultural landscape in the Canadian Mixedwood Plains ecozone. Approximately 97,000 km of LWF were estimated across this landscape with results useable both at a regional reporting scale, as well as mapped across space for use in wildlife habitat modelling or other landscape management research. The LIS approach developed here could be employed at a variety of scales in particular for large regions and could be adapted for use as a national scale indicator of habitat availability in heavily disturbed agricultural landscape.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».