DETECCIÓN DE ÁREAS FORESTALES AFECTADAS POR EL ATAQUE DE INSECTOS EMPLEANDO TELEDETECCIÓN Y SISTEMAS DE INFORMACIÓN GEOGRÁFICA. APLICACIÓN A LAS MASAS DE EUCALIPTO AFECTADAS POR GONIPTERUS SCUTELLATUS EN GALICIA
Notice bibliographique
Résumé
En el pasado los inventarios de danos forestales se realizaban principalmente segun metodos de muestreo de campo tradicional. Esto empezo a cambiar a finales de los anos 80, cuando numerosos autores empezaron a emplear tecnicas de teledeteccion para estimar la extension y la intensidad de los danos en las masas forestales debidos a plagas. Desde entonces estas tecnicas se han desarrollado ampliamente, principalmente en Europa Central y en Canada y Estados Unidos. En este estudio se han revisado y comparado las metodologias existentes, y se ha propuesto una para las masas de eucalipto afectadas por Gonipterus scutellatus en Galicia. Esta metodologia contempla la elaboracion de un sistema de informacion geografica con todos los datos necesarios para realizar la clasificacion de estas zonas de forma optima (correcciones topograficas, atmosfericas, ortofotografias, datos de inventario terrestre�) asi como de las variables de interes para la gestion de estas zonas arboladas, relacionadas con el mayor o menor grado de incidencia de la plaga. Las tecnicas de teledeteccion empleadas se basan en clasificadores orientados a objetos, que permiten considerar variables no solo espectrales, sino texturas, formas, vecindad...
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».