Mapping attributes of Canada’s forests at moderate resolution through <i>k</i>NN and MODIS imagery
Notice bibliographique
Résumé
Canada’s National Forest Inventory (NFI) sampling program is designed to support reporting on forests at the national scale. On the other hand, continuous maps of forest attributes are required to support strategic analyses of regional policy and management issues. We have therefore produced maps covering 4.03 × 10 6 km 2 of inventoried forest area for the 2001 base year using standardised observations from the NFI photo plots (PP) as reference data. We used the k nearest neighbours (kNN) method with 26 geospatial data layers including MODIS spectral data and climatic and topographic variables to produce maps of 127 forest attributes at a 250 × 250 m resolution. The stand-level attributes include land cover, structure, and tree species relative abundance. In this article, we report only on total live aboveground tree biomass, with all other attributes covered in the supplementary data ( http://nrcresearchpress.com/doi/suppl/10.1139/cjfr-2013-0401 ). In general, deviations in predicted pixel-level values from those in a PP validation set are greater in mountainous regions and in areas with either low biomass or sparse PP sampling. Predicted pixel-level values are overestimated at small observed values and underestimated at large ones. Accuracy measures are improved through the spatial aggregation of pixels to 1 km 2 and beyond. Overall, these new products provide unique baseline information for strategic-level analyses of forests ( https://nfi.nfis.org ).
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».