MétaCan
Menu
Retour à la cohorte
Enregistrement W2163337568 · doi:10.1177/0309133314528942

Potential contributions of remote sensing to ecosystem service assessments

2014· article· en· W2163337568 sur OpenAlexaff
Margaret E. Andrew, Michael A. Wulder, Trisalyn Nelson

Notice bibliographique

RevueProgress in Physical Geography Earth and Environment · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensUniversity of VictoriaCanadian Forest Service
Organismes subventionnairesnon disponible
Mots-clésEcosystem servicesEnvironmental resource managementComputer scienceTemporal scalesBiodiversityRelevance (law)Remote sensingSpatial ecologyEnvironmental scienceProxy (statistics)EcosystemEcologyData scienceGeographyMachine learning

Résumé

récupéré en direct d'OpenAlex

Ecological and conservation research has provided a strong scientific underpinning to the modeling of ecosystem services (ESs) over space and time, by identifying the ecological processes and components of biodiversity (ecosystem service providers, functional traits) that drive ES supply. Despite this knowledge, efforts to map the distribution of ESs often rely on simple spatial surrogates that provide incomplete and non-mechanistic representations of the biophysical variables they are intended to proxy. However, alternative data sets are available that allow for more direct, spatially nuanced inputs to ES mapping efforts. Many spatially explicit, quantitative estimates of biophysical parameters are currently supported by remote sensing, with great relevance to ES mapping. Additional parameters that are not amenable to direct detection by remote sensing may be indirectly modeled with spatial environmental data layers. We review the capabilities of modern remote sensing for describing biodiversity, plant traits, vegetation condition, ecological processes, soil properties, and hydrological variables and highlight how these products may contribute to ES assessments. Because these products often provide more direct estimates of the ecological properties controlling ESs than the spatial proxies currently in use, they can support greater mechanistic realism in models of ESs. By drawing on the increasing range of remote sensing instruments and measurements, data sets appropriate to the estimation of a given ES can be selected or developed. In so doing, we anticipate rapid progress to the spatial characterization of ecosystem services, in turn supporting ecological conservation, management, and integrated land use planning.

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)0,015
score de la tête « metaresearch » (Gemma)0,037
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,037
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0000,001
Communication savante0,0030,006
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,224
Écart entre enseignants0,219 · 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'étudeThéorique ou conceptuel
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

Citations161
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProgress in Physical Geography Earth and EnvironmentMême sujetLand Use and Ecosystem ServicesTravaux en français237 207