MétaCan
Menu
Retour à la cohorte
Enregistrement W2137969602 · doi:10.4155/cmt.13.49

Approaches to monitoring changes in carbon stocks for REDD+

2013· article· en· W2137969602 sur OpenAlexaff
Richard A. Birdsey, Gregorio Ángeles–Pérez, Werner A. Kurz, Andrew J. Lister, Marcela Olguín, Yude Pan, Craig Wayson, Barry T. Wilson, Kristofer Johnson

Notice bibliographique

RevueCarbon Management · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensNatural Resources CanadaCanadian Forest Service
Organismes subventionnairesnon disponible
Mots-clésDeforestation (computer science)Environmental scienceForest degradationReducing emissions from deforestation and forest degradationClimate changeEnvironmental resource managementRemote sensingCarbon sequestrationCarbon stockBusinessComputer scienceLand degradationGeographyAgricultureEcology

Résumé

récupéré en direct d'OpenAlex

Reducing emissions from deforestation and forest degradation plus improving forest-management (REDD+) is a mechanism to facilitate tropical countries’ participation in climate change mitigation. In this review we focus on the current state of monitoring systems to support implementing REDD+. The main elements of current monitoring systems – Landsat satellites and traditional forest inventories – will continue to be the backbone of many forest-monitoring systems around the world, but new remote-sensing and analytical approaches are addressing monitoring problems specific to the tropics and implementing REDD+. There is increasing recognition of the utility of combining remote sensing with field data using models that integrate information from many sources, which will continue to evolve as new sensors are deployed and as the availability of field data increases.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,898
Score d'incertitude au seuil0,384

Scores Codex et Gemma par catégorie

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

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 Opus0,059
Tête enseignante GPT0,234
Écart entre enseignants0,175 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations67
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCarbon ManagementMême sujetRemote Sensing and LiDAR ApplicationsTravaux en français237 207