Marine landscape maps: methodology and potential use
Notice bibliographique
Résumé
The Marine Landscape is a concept that originated in Canada (Roff and Taylor 2000) and was recently implemented in UK and Europe in the respective frames of the UKSeaMap (Connor 2006) and Mesh projects. It aims to describe the marine environment with respect to its main geophysical features, in terms of both the seabed and water column. Marine landscape maps are not a surrogate for genuine habitat maps which are produced by incorporating biological data from samples to the physical map. They provide a more global vision of our coastal and shelf environment in terms of their main physiographic traits and hence act as a support for national/regional policy and spatial planning. While initially applied on a more global scale (resolution of one nautical mile), the concept was taken forward and applied to the French coastal approaches where digital data sets were available at higher density. The classification used for a landscape map is quite flexible. It will not be the same in a full sedimentary type of seabed or a rocky foreshore and differs in fully marine or in more continental seas such as the Baltic, for example. It needs to be adapted on a case-by-case basis to the local physiography and also to be discussed with the main stakeholders to best serve their needs. The paper discusses the methodology used to produce a seabed map, mainly relying on data cross-tabulations within a GIS, and deals with both raster and vector data. Validation against historic habitat maps is presented. Problems linked to discrepancies in data resolution are also discussed. Finally an application making use of the landscape map for conservation issues in Brittany is discussed.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».