MétaCan
Menu
Retour à la cohorte
Enregistrement W2127370386 · doi:10.1109/igarss.2002.1025778

A multi-sensor remote sensing approach for monitoring large wetland complexes in northern Canada

2003· article· en· W2127370386 sur OpenAlexaffabout
Alain Pietroniro, Jessika Töyrä

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensPlant Biotechnology Institute
Organismes subventionnairesnon disponible
Mots-clésWetlandWaterfowlRemote sensingEnvironmental scienceHabitatDeltaEcosystemChannel (broadcasting)Baseline (sea)River deltaSurface runoffLidarHydrology (agriculture)GeographyEcologyGeologyOceanographyComputer science

Résumé

récupéré en direct d'OpenAlex

The Peace-Athabasca Delta is a 3900 km/sup 2/ freshwater wetland complex, located in north-eastern Alberta, Canada. The intricate channel system, the numerous smaller wetland basins and the large shallow lakes of the delta are important habitats for a large number of migrating waterfowl, mammals and insects. The hydrological regime in this remote area is unique as many of the productive wetland are isolated from the channels and require overland floods to be replenished. Recent studies have shown that the delta has experienced a reduced frequency of these large overland floods. Attribution of these changes is complex, however, remote sensing provides a unique opportunity to characterise the spatio-temporal distribution of these changes and to collect important baseline hydrological information that is too difficult to obtain using traditional methods. This paper focuses on a development of a multi-sensor remote sensing strategy to assess hydrological change in this wetland environment. This includes the use of Radarsat, Landsat, IKONOS and lidar data to derive year to year changes and assist in predicting future outcomes and risks for this ecosystem.

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 enseignants0,065
Score d'incertitude au seuil0,130

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 technologies0,0010,000
Communication savante0,0010,000
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 Opus0,022
Tête enseignante GPT0,244
Écart entre enseignants0,222 · 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

Citations8
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetRemote Sensing and LiDAR ApplicationsTravaux en français237 207