MétaCan
Menu
Retour à la cohorte
Enregistrement W2744198532 · doi:10.5539/jgg.v9n3p30

Forestation in Puerto Rico, 1970s to Present

2017· article· en· W2744198532 sur OpenAlexvenueno aff
Fei Yuan, José Javier López, Sabrina Arnold, Anna Livia Brand, J. I. Klein, M. Schmidt, Erin Moseman, Madeline Michels-Boyce

Notice bibliographique

RevueJournal of Geography and Geology · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueConservation, Biodiversity, and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAfforestationGeographyForest coverNatural resourcePaceGovernment (linguistics)Socioeconomic statusEnvironmental protectionForestryEcologyPopulation

Résumé

récupéré en direct d'OpenAlex

It is important to monitor the trend of forestland changes, as forests are vital sources and sinks of carbon on the earth. One of the most densely populated jurisdictions of the United States, Puerto Rico, has experienced significant transformations in the past century. This study examines forestation in the main island of Puerto Rico during the past four decades using feature extraction and change detection analysis in multitemporal Landsat satellite imagery. The results of the study show that forest cover in Puerto Rico had almost tripled from 15.7% to 45.7% between 1972 and 2014. Moreover, the forestation trend and pace in abandoned coffee plantations and pastures continued after 1990, driven by continuous socioeconomic transformation. Natural forestation and conservation efforts from the government and nongovernment organizations have also contributed to the forest growth on the island. The information gained and lessons learned during the process may be applied to other densely populated tropical insular territories.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,185

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,223
Écart entre enseignants0,215 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geography and GeologyMême sujetConservation, Biodiversity, and Resource ManagementTravaux en français237 207