Exploring Landscape Change in Mountain Environments With the Mountain Legacy Online Image Analysis Toolkit
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Since 1996, Mountain Legacy Project (MLP) researchers have been exploring change in Canada's mountain environments through the use of systematic repeat photography. With access to upwards of 120,000 systematic glass plate negatives from Canada's mountain west, the MLP field teams seek to stand where historic surveyors stood and accurately reshoot these images. The resulting image pairs are analyzed, catalogued, and made available for further research into landscape changes. In this article we suggest that repeat photography would fit well within the Future Earth research agenda. We go on to introduce the Image Analysis Toolkit (IAT), which provides interactive comparative image visualization and analytics for a wide variety of ecological, geological, fluvial, and human phenomena. The toolkit is based on insights from recent research on repeat photography and features the following: user-controlled ability to compare, overlay, classify, scale, fade, draw, and annotate images; production of comparative statistics on user-defined categories (eg percentage of ice cover change in each image pair); and different ways to visualize change in the image pairs. The examples presented here utilize MLP image pairs, but the toolkit is designed to be used by anyone with their own comparative images as well as those in the MLP collection. All images and software are under Creative Commons copyright and are open access for noncommercial use via the Mountain Legacy Explorer website. The IAT is at the beginning of its software life cycle and will continue to develop features required by those who use repeat photography to discover change in mountain environments.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle