A comparison of forest resource inventory, provincial land cover maps and field surveys for wildlife habitat analysis in the Great Lakes – St. Lawrence forest
Notice bibliographique
Résumé
In a portion of central Ontario, Canada we assessed the classification agreement between field-based estimates of forest stand composition and each of two mapped data sources used in wildlife habitat studies, the Forest Resource Inventory (FRI) and satellite-image derived Provincial Land Cover (PLC). At two study areas, Algonquin Provincial Park (APP) and Wildlife Management Unit 49 (WMU49), we surveyed 119 forest stands and 40 water and wetland stands. Correspondence levels between FRI and field classifications were 48% in APP and 44% in WMU49 when assessing six forest cover types. With only four simplified forest cover types, levels improved to 77% in APP and 63% in WMU49. Correspondence between PLC and field classifications for three forested stand types was approximately 63% in APP and 55% in WMU49. Because of the poor to moderate level of correspondence we detected between map and field classifications, we recommend that care be exercised when FRI or PLC maps are used in forest and wildlife research and management planning. Key words: forest resource inventory, FRI, provincial land cover, PLC, Landsat Thematic Mapper, map accuracy, map correspondence, map agreement, Ontario, wildlife habitat
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 ».