MétaCan
Menu
Retour à la cohorte
Enregistrement W2789560930

Remote sensing data and their use in topoclimatic study

2018· article· en· W2789560930 sur OpenAlexaboutno aff
Miroslav Vysoudil

Notice bibliographique

RevueUniversity of Maribor digital library (University of Maribor) · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScope (computer science)Raster graphicsComputer scienceRemote sensingData centerRaster dataWork (physics)Land coverData collectionSpatial analysisData scienceEnvironmental resource managementGeographyLand useEnvironmental scienceArtificial intelligenceCivil engineeringEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This work demonstrates the potential of using current digital satellite raster data to study a topoclimate. Also presented are digital vector data. All data have been provided by the Canadian Center for Remote Sensing in Ottawa within the scope of the solution for the project titled “Environmental Consequences of Local Climatic Effects” (A Case Study: British Columbia). The model region represents the southwest part of British Columbia located between Vancouver and the Okanagan basin. The most valuable components of a topoclimatic research are altimetric data assisting in the calculation of a DEM, multi-spectral images assigned to appropriate land cover categories, and thermal images. Subsequent integration of the DPZ and vector data provides a powerful tool for solving tasks leading to a topoclimate description, potential climatic effects and in wider implications even for studies of their impacts on the living environment.

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 enseignants0,195
Score d'incertitude au seuil0,873

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,004
Science ouverte0,0010,003
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 Opus0,014
Tête enseignante GPT0,163
Écart entre enseignants0,149 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversity of Maribor digital library (University of Maribor)Même sujetRemote Sensing in AgricultureTravaux en français237 207