Omission and Commission Errors in the Field Mapping of Linear Boundary Features: Implications for the Interpretation of Maps and Organization of Surveys
Notice bibliographique
Résumé
Phase 1 mapping has been used widely in the UK as a method of resource inventory, and as an aid to conservation management and planning. Phase 1 maps may also provide baseline information for studies of land use change by future generations of landscape ecologists and historians. Contemporary assessments of their accuracy are essential to allow their value to be judged both now and decades hence. The accuracy of Phase 1 mapping of man-made linear boundary features was quantified by comparing maps drawn by six experienced field surveyors with a ground-truth version correctly showing all features. Overall errors within maps varied from 11.2% to 96.9% between surveys. Most of the error was caused by the omission of boundaries, rather than the misclassification of boundaries whose presence was recorded (i.e. errors of commission). The likelihood of a boundary being mapped was positively related to its length, and walls were more likely to be mapped than fences. Linear features can be mapped accurately, but reliance on the discretion of the surveyors, and their interpretation of the survey manual, resulted in variable practice and incomplete data in all cases. If data on linear features are not required, the time saved could be used to improve the accuracy of mapping other habitats (a concern identified in other studies). In addition to the provision of more explicit guidance to surveyors, the reporting of estimates of mapping accuracy and precision are identified as important aspects of the survey technique which require greater attention than is currently the case.
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 | 0,000 | 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 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 ».