MétaCan
Menu
Retour à la cohorte
Enregistrement W2094137531 · doi:10.1117/1.jrs.7.073541

Monitoring soil disturbance on salvaged areas within the mountain pine beetle infestation using digital imagery

2013· article· en· W2094137531 sur OpenAlexaff
Stéphane Dubé, Shannon M. Berch

Notice bibliographique

RevueJournal of Applied Remote Sensing · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensMinistry of Forests
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceDisturbance (geology)Mountain pine beetleLandslideRemote sensingLoggingSatellite imageryForest managementSilvicultureGeologyForestryAgroforestryGeographyGeomorphology

Résumé

récupéré en direct d'OpenAlex

There is a concern that the accelerated timber harvest in the mountain pine beetle epidemic area of British Columbia (BC) could compromise long-term forest productivity if soils are unduly disturbed. Consequently, the Ministry of Forests, Lands and Natural Resources Operations (MFLNRO) developed a protocol using ground- and image-based methods to assess the status of the forest soil resource in part of the BC Forest and Range Evaluation Program (FREP). Although this protocol uses high-resolution aerial imagery, the MFLNRO is also collecting beetle imagery at a smaller scale for detecting and monitoring. For this evaluation, we use a combination of ground- and imagery-based assessments as developed for FREP within the BC Interior Plateau. We determined that low-resolution data are useful and are sufficient for detecting and measuring the extent of roads and landings. Areas occupied by landslides, erosion, drainage diversion, inordinate disturbance, or roadside work areas can be captured on remote-sensed images with spatial resolution greater than 2.5 m. However, based on this review and previous work, aerial photographs in 10-cm pixel size are best suited to reveal less evident harvesting-related soil disturbance.

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 enseignants0,056
Score d'incertitude au seuil0,111

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
Bibliométrie0,0020,001
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 Opus0,010
Tête enseignante GPT0,212
Écart entre enseignants0,202 · 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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Remote SensingMême sujetForest Biomass Utilization and ManagementTravaux en français237 207