Detecting hot spots of mountain pine beetle infestations in the forests of British Columbia: An approach using local spatial autocorrelation
Notice bibliographique
Résumé
Mountain pine beetle (Dendroctonus ponderosae Hopkins) is an endemic species in the forests of British Columbia that has become epidemic and reached infestation levels like never before. Different approaches have been taken in order to try and manage the forest and understand the processes affecting the behavior of mountain pine beetle. No single model has been entirely successful in unearthing the complexity of mountain pine beetle behavior. In this thesis, large spatial data sets of mountain pine beetle attacks, obtained from helicopter and ground surveys, and further adjusted for the incorporation of uncertainty, are studied using a spatial autocorrelation approach in a pattern-based analysis. The study of spatial patterns is carried out by simulating possible scenarios of the observed data set. Moran’s I is used to obtain an overall measure of spatial autocorrelation of the global pattern and Local Indicators of Spatial Autocorrelation, specifically Local Moran’s I, are used to identify local pockets of high levels of infestation (hot spots). Using a significance criterion, regions that have intense infestations are screened to retain those that are more pervasive, thus having a more robust set of results that can be more reliable. Different levels of significance can be used to allow for a more ‘liberal’ or ‘strict’ screening of results. Study of the sensitivity of the data model and detection approach is carried out by comparing the locations of hot spots obtained with different detection methods. A comparison between results derived from data sets containing only aerial data and those containing aerial and field data is useful to determine the impact and effectiveness of sending crews to groundtruth aerial surveys.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».