eSPACE: Emergency spatial pre-SCAT for Arctic Coastal Ecosystem
Notice bibliographique
Résumé
The eSPACE project (emergency Spatial Pre-SCAT for Arctic Coastal Ecosystems; SCAT: Shoreline Cleanup and Assessment Technique) is focused on developing capacity to enhance our state of preparedness for emergencies in the event of an oil spill in Canada's North. Baseline coastal information is required for operational prioritization, coordination of on-site spill response activities and wildlife management. Earth Observation data from satellites such as RADARSAT-2 can potentially be used to identify and map shoreline characteristics, coastal habitats and resources at risk. The commonly used shoreline mapping method consists of manual interpretation of oblique videos to segment and classify existing shoreline vectors (based on 1:50k maps). In the summers of 2010, 2011 and 2012, geotagged video imagery was collected along the coastline for six selected pilot sites in the Arctic. RADARSAT-2 data was simultaneously acquired over these sites. An object-based classification scheme was developed using RADARST-2 data, SPOT-4/-5 optical data as well as ancillary data such as a digital elevation model. This paper presents the general methods used for all eSPACE sites, however only the results for the Richards Island pilot site are presented and discussed. Using ground observation data for validation, the classification reached an overall accuracy of 75% for Richards Island. Although the vectors produced from the standard method carry more information on the substrate types and on-site accessibility, the object-based classification allows for a spatial representation (area) of the shoreline classes as opposed to a line (vector), and the representation of all the shoreline types, not only the ones covered by the helicopter surveys. As well, given the vastness of Canada's Arctic region, manual interpretation of the shorelines won't be feasible.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,021 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».