MétaCan
Menu
Retour à la cohorte
Enregistrement W2077986734 · doi:10.1080/01431160600840978

Multi‐year circumpolar assessment of the area burnt in boreal ecosystems using SPOT‐VEGETATION

2007· article· en· W2077986734 sur OpenAlexaboutno aff
С.А. Барталев, В.А. Егоров, Е.А. Loupian, И.А. Уваров

Notice bibliographique

RevueInternational Journal of Remote Sensing · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesRussian Academy of Sciences
Mots-clésBorealBiomeVegetation (pathology)Remote sensingEnvironmental scienceSatelliteTaigaPhysical geographyCircumpolar starClimatologyEcosystemGeographyGeologyForestryEcologyOceanography

Résumé

récupéré en direct d'OpenAlex

The Russian Academy of Sciences' Space Research Institute has developed a new burnt area mapping method and a five‐year database to estimate biomass burning in the Earth's entire boreal region. The mapping method involved SPOT‐VEGETATION time‐series data analysis to detect inter‐annual vegetation changes combined with MODIS hot‐spot data to distinguish fire‐related changes from other types of disturbances. The burnt area database actually covers the boreal biome for the period 2000–2004 with 1 km spatial resolution and 10‐day time frequency, while an automatic data processing chain allows this database to be updated continuously. The accuracy assessment involved comparison with Landsat‐ETM+ derived burnt area estimates for Northern Eurasia and ground data for Canada. This Letter describes the satellite sensor data processing method and the results of the accuracy assessment of the burnt area database and provides burnt area statistics for the boreal region countries.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,111
Score d'incertitude au seuil0,302

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,013
Tête enseignante GPT0,268
Écart entre enseignants0,254 · 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 tête enseignante, 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

Citations38
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Remote SensingMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207