MétaCan
Menu
Retour à la cohorte
Enregistrement W2092696780 · doi:10.1505/ifor.7.1.1.64163

Change Detection of Forest and Habitat Resources from 1973 to 2001 in Bach Ma National Park, Vietnam, Using Remote Sensing Imagery

2005· article· en· W2092696780 sur OpenAlexaff
Peggy Yen, Susy Svatek Ziegler, Falk Huettmann, Anthonia Onyeahialam

Notice bibliographique

RevueThe International Forestry Review · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésNational parkGeographyRemote sensingForestryHabitatEnvironmental resource managementEcologyEnvironmental scienceArchaeologyBiology

Résumé

récupéré en direct d'OpenAlex

SUMMARY Land cover changes have not been well documented in Vietnam. This paper presents new information relevant to land cover modifications and to resource inventory such as forest management and wildlife habitats. Formed in 1991, Bach Ma National Park and its buffer zone is one of the richest regions for biodiversity in Asia, providing habitat for endangered species. The paper assesses the major forest cover changes using Remote Sensing Imagery (Landsat: MSS, TM, +ETM) between the years prior to the establishment of national park status and the years following. Normalized Difference Vegetation Index (NDVI) was used across sensors; for the study area five regions were identified where major land-cover changes have occurred. Between 1973 and 2001 it is estimated that approximately 45 % of the buffer zone was modified, or lost its forest cover, with most changes occurring around 1989, just prior to the park establishment. These changes can most likely be attributed to forest and resource extrapolation that coincided with a high human population density and is supported by extensive road building in the surrounding region. More research is needed to improve presented approaches in order to better safeguard forested landscapes in Vietnam.

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)0,000
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 enseignants0,200
Score d'incertitude au seuil0,398

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,035
Tête enseignante GPT0,276
Écart entre enseignants0,241 · 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

Citations24
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Forestry ReviewMême sujetRemote Sensing in AgricultureTravaux en français237 207