MétaCan
Menu
← Retour à la cohorte
Enregistrement W2797888980 · doi:10.5072/prism/10153

A Land Cover Monitoring Initiative for Environment Canada’s Protected Area Network

2008· article· en· W2797888980 sur OpenAlexaboutno aff
Evan Seed, Jason Duffe

Notice bibliographique

RevueOpen MIND · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCover (algebra)Land coverEnvironmental resource managementEnvironmental planningRemote sensingGeographyBusinessLand useEnvironmental scienceEngineeringCivil engineering

Résumé

récupéré en direct d'OpenAlex

Environment Canada's protected areas cover more than 11.8 million hectares of habitat over a wide range of ecosystems.The diversity, remote nature, and shear physical extent of the lands often mean infrequent site inspections by wildlife enforcement officers and inadequate information on land cover and habitat dynamics within these areas.With active oil and gas development in the west and north and issues of ecological integrity from urban encroachment along boundaries in settled areas there is an immediate need to monitor and report on pertinent changes in fulfillment of the original habitat conservation goals of the protected area network.Land cover monitoring with satellite imagery represents one facet of how the changing role of technology can support wildlife enforcement initiatives and ecological assessments of the protected area network.Drawing from the experience and capacity developed under an Environment Canada and Canadian Space Agency partnership, the Space for Habitat project outlines a set of best practices for land cover monitoring in support of wildlife enforcement and reporting on high priority habitats in National Wildlife Areas and Migratory Bird Sanctuaries.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,132

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0030,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,040
Tête enseignante GPT0,229
Écart entre enseignants0,189 · 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 source (Gemma direct ou Codex distillé), 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
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Même sujetRemote Sensing in Agriculture→Travaux en français237 207→