Classifying forestland from model-generated tree species habitat suitability in the Western Ecoregion of Nova Scotia, Canada
Notice bibliographique
Résumé
Forestland classification is central to the sustainable management of forests. In this paper, we explore the possibility of classifying forestland from species–habitat–suitability indices and a hybrid classification of modeled data. Raster-based calculations of species–habitat–suitability were derived as a function of landscape-level descriptions of incident photosynthetically active radiation (PAR), soil water content (SWC), and growing degree-days (GDD) for southwestern Nova Scotia, Canada. PAR and SWC were both generated with the LanDSET model and GDD from thermal data captured with the space-borne MODIS sensor. We compared the distribution of predicted forestland types with the natural range of target species as found in the provincial permanent sample plots (PSPs). Reasonable agreement (≥50% accuracy) existed between some forestland types (e.g., red maple – white birch – red oak and balsam fir – red maple) and PSP-based assessments of species presence–absence. Agreement was noticeably lower for other forestland types, such as sugar maple – beech – yellow birch (<50% accuracy). This discrepancy is attributed to forest-forming factors not directly addressed by the model, e.g., forest succession, stand interventions, and disturbance. Their addition in the model could change the dynamics of tree-species preference in southwest Nova Scotia and is worth examining. True model inaccuracies accounted for about 0.3%–15.0% of the total reported error.
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 | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».