Utilisation d'une classification structurale OASIS pour la cartographie d'unités de paysage dans une région représentative du Liban
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
To construct an environmental database that is homogeneous both spatially and in land attributes, terrain units are produced from the analysis of satellite imagery enhanced by the inclusion of thematic layers in the analysis. The work is carried out on a representative region of Lebanon, covering a region from the coastal plain through the mountains inland. The interpretation of satellite images (Landsat TM) is based on a structural classification of the terrain by the software package OASIS that characterizes every pixel by a vector sum of the pixels in its neighbourhood. To add thematic content to the polygons defined by the analysis of the satellite images, geographic information system (GIS) thematic maps, such as morphology, drainage density, land cover, geology, and soils, are used. The information from these maps is entered in the polygons from the satellite images using three rules to allow synthesis of the different elements of the landscape: (1) dominance rule — a given terrain polygon is characterized by the thematic unit that is dominant in the area; (2) unimodality rule — if, on a large terrain polygon, a bimodal population exists for a theme, it is divided into two new polygons; and (3) scarcity conservation rule — if, on a large terrain polygon, there is a theme occupying a small area that does not exist elsewhere, it is saved in a new polygon. This approach to classification of the land results in the division of the 955-km2 study area into 10 homogeneous units. These units will be of significant help when studying the characteristics of the land for other purposes.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 découle