MétaCan
Menu
Retour à la cohorte
Enregistrement W1555441487 · doi:10.22230/jem.2013v14n1a201

Use of Airborne Gamma Radiometrics to Infer Soil Properties for a Forested Area in British Columbia, Canada

2013· article· en· W1555441487 sur OpenAlexaffabout
David Dent, R.A. MacMillan, Thomas L. Mayr, William K. Chapman, Shannon M. Berch

Notice bibliographique

RevueJournal of Ecosystems and Management · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil Geostatistics and Mapping
Établissements canadiensMinistry of EnvironmentGovernment of British Columbia
Organismes subventionnairesnon disponible
Mots-clésLithologyGeologyAlluviumHydrology (agriculture)Aeolian processesWetlandPhysical geographySoil scienceEnvironmental scienceRemote sensingGeomorphologyGeochemistryGeography

Résumé

récupéré en direct d'OpenAlex

We obtained radiometric data from a public-domain archive maintained by Natural Resources Canada and processed them to produce a ternary image for a portion of the Cariboo region. A field program was used to evaluate what information could be reliably inferred from the available data. This initial investigation confirmed that the radiometrics for this area exhibited consistent and useful patterns to interpret the lithology, mineralogy, depth, and moisture status of the surficial materials. Different colour patterns in the ternary image correlated well with different compositions of the various tills. We noted a clear association between higher values of radioactive emission and more recently deposited aeolian, alluvial, and glaciofluvial sediments that contained higher concentrations of relatively unweathered minerals. We observed a clear pattern of lower emission from wetlands and areas of wet soil. Airborne radiometrics, even at 500-m line spacing, provided invaluable and precise information—not otherwise obtainable—for mapping or modelling spatial variation in properties of the surficial material within the forested study area in British Columbia. We recommend further investigations to develop operational procedures for the use of such data in mapping surficial materials.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,186
Écart entre enseignants0,163 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Ecosystems and ManagementMême sujetSoil Geostatistics and MappingTravaux en français237 207