MétaCan
Menu
Retour à la cohorte
Enregistrement W2613538282 · doi:10.4267/2042/62171

Observation de la végétation depuis l'espace

2017· article· fr· W2613538282 sur OpenAlexaff
Jean‐Christophe Calvet, Éric Ceschia, Dominique Courault, Hélène Dewaele, Yves Goulas, Jordi Inglada, Thuy Le Toan, Fabienne Maignan

Notice bibliographique

RevueLa Météorologie · 2017
Typearticle
Languefr
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésForestryHumanitiesPhysicsGeographyArt

Résumé

récupéré en direct d'OpenAlex

L'arrivée de nouvelles données satellitaires en accès libre (notamment du programme européen Sentinel de Copernicus) fait avancer la caractérisation de l'occupation des sols et des cycles de l'eau et du carbone. La résolution spatiale décamétrique de ces données, disponibles à une fréquence élevée, permet de produire des variables biogéophysiques à l'échelle des parcelles agricoles. Des applications en agrométéorologie sont possibles, mais également pour la validation et l'amélioration des modèles des surfaces terrestres utilisés en météorologie et en climat. Deux nouvelles missions de l'Agence spatiale européenne, Biomass et Flex, dont les lancements sont programmés respectivement pour 2021 et 2022, vont apporter des connaissances nouvelles sur la photosynthèse et le stockage de carbone par les forêts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,741
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,032
Tête enseignante GPT0,309
Écart entre enseignants0,276 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLa MétéorologieMême sujetRemote Sensing and LiDAR ApplicationsTravaux en français237 207