MétaCan
Menu
Retour à la cohorte
Enregistrement W2005186760 · doi:10.3390/ijgi3010254

Investigating Forest Disturbance Using Landsat Data in the Nagagamisis Central Plateau, Ontario, Canada

2014· article· en· W2005186760 sur OpenAlexaffabout
K. Wayne Forsythe, Grant McCartney

Notice bibliographique

RevueISPRS International Journal of Geo-Information · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensTembecToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésGeographyDisturbance (geology)National parkPlateau (mathematics)ForestryLand coverPhysical geographyNature reserveLand useRemote sensingCartographyEcologyArchaeologyGeology

Résumé

récupéré en direct d'OpenAlex

The Nagagamisis Central Plateau (located in Northern Ontario, Canada) is an area of distinct natural and cultural significance. The importance of this land was officially recognized in 1957 through the establishment of the Nagagamisis Provincial Park Reserve. The park has experienced significant expansion since its inception and is currently under development as one of Ontario Parks ‘Signature Sites’. Since the 1980s, timber harvest activity has led to widespread forest disturbance just outside of the park boundaries. This research is focused on the detection of stand level forest disturbances associated with timber harvest occurring near Nagagamisis Provincial Park. The image time-series data selected for this project were Landsat TM and ETM+; spanning a twenty-five year period from 1984 to 2009. The Tasselled Cap Transformation and Normalized Difference Moisture Index were derived for use in unsupervised image classification to determine the land cover for each image in the time-series. Image band differencing and raster arithmetic were performed to create maps illustrating the size and spatial distribution of stand level forest disturbances between image dates. A total area of 1649 km2 or 26.1% of the study area experienced stand level disturbance during the analysis period.

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 enseignants0,013
Score d'incertitude au seuil0,095

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
Bibliométrie0,0020,005
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
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 Opus0,012
Tête enseignante GPT0,229
Écart entre enseignants0,217 · 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

Citations6
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueISPRS International Journal of Geo-InformationMême sujetRemote Sensing and LiDAR ApplicationsTravaux en français237 207