Data Basin Climate Center: sharing and manipulating spatial information on the web
Notice bibliographique
Résumé
Abstract Monitoring datasets is essential to detect changes that are occurring and identify thresholds that cause them, but scientists around the world are now generating large volumes of data that vary in quality, format, supporting documentation, and accessibility. Moreover, diverse models are being run at various spatial and temporal scales to try and understand past climate variability and its impacts, generate future climate and land use scenarios, and project potential future impacts to the planet. Conservation practitioners and land managers are struggling to synthesize this wealth of information, identify relevant and usable datasets, and translate evolving science results into on-the-ground climate-aware strategies.In partnership with ESRI and Mambo media, the Conservation Biology Institute (CBI) is developing a versatile web-based resource that centralizes usable climate change-relevant datasets and provides analytical tools to visualize, analyze, and communicate findings for practical applications. To illustrate its capability to store, manipulate, and derive relevant conclusions to users, we present three examples of projects involving scientists and managers that are part of the Climate Center of Data Basin (http://www.databasin.org): a conservation project in the Puget Sound area of Washington State, a climate change impacts project in California, a North American project looking at climate change impacts on Canada lynx. We conclude by showing the use of this new web tool in workshops that bring together scientists and practitioners, allowing all to access the data and develop more effective management strategies.
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 | 0,001 | 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 | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 tête enseignante, 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 ».