Estimating global-local dynamics of land use systems by downscaling from GLOBIOM model
Notice bibliographique
Résumé
High spatial resolution land use and cover change projections are one of the crucial inputs required by Global Circulation Models. They can be effectively used for the assessment of local carbon and greenhouse-gas (GHG) stocks and fluxes in various ecosystems. However to produce these future land cover maps directly with a global economic land use planning model remains a challenge. Although GIS provides detailed geo-physical information, the socio-economic data on driving forces usually exist only on aggregate level. We propose a model fusion involving two interlinked stages: calculation of regional projections by using a global dynamic model GLOBIOM and proper dynamic downscaling method allowing to obtain the required spatially resolved land use and cover change projections. The proposed procedure allows incorporating data derived from satellite images, statistics, expert opinions, as well as model-derived data from global land use models. The two interlinked models bring consistent results between large scale land use change processes and local dynamics, as illustrated by projections for China, Canada, Brazil, US, Ukraine, Russia. There are connections of proposed entropy-based downscaling approach with a fundamental maximum likelihood method proposed for traditional statistical estimation problems. In many practical applications, available prior distributions may not be known exactly, therefore, we develop a new general probabilistic approach to achieve downscaling results robust with respect to a set of prior distributions. This method generalizes ideas of robust statistics for new estimation problems without real repetitive observations of uncertainties.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».