Télédétection et géomatique pour le suivi des milieux forestiers - Contributions à l’évaluation des risques
Notice bibliographique
Résumé
Les disciplines de l’information géographique regroupent à la fois la géomatique et la télédétection. Elles s’appuient sur un ensemble de techniques et de données à références spatiales qui, utilisées de manière complémentaire ou non, sont devenues indispensables pour un grand nombre de domaines liés à la description et la gestion du territoire. \nIl est utile tout d’abord de rappeler quelques définitions. Parmi les nombreuses définitions de la géomatique on retiendra celle adoptée au Québec par l’Office de la langue française et tirée du Grand dictionnaire terminologique (GDT) qui définit la géomatique comme «la discipline ayant pour objet la gestion des données géographiques et qui fait appel aux sciences et aux technologies reliées à leur acquisition, leur stockage, leur traitement et leur diffusion » (https://www.oqlf.gouv.qc.ca). \nSelon la même source, nous pouvons également définir la télédétection comme étant une discipline regroupant « l’ensemble des connaissances et techniques utilisées pour déterminer, au moyen de mesures effectuées à distance, les caractéristiques physiques et biologiques des phénomènes ». \nDepuis leur apparition, la géomatique et la télédétection (spatiale et aéroportée) connaissent un essor considérable dans un contexte d’évolution technologique et méthodologique en informatique par : le développement des Systèmes d’Information Géographique (SIG) dès les années 1960 (Figure 1), la succession des programmes de lancement des satellites d’observation de la terre, et l’augmentation de la capacité et des performances des ordinateurs [Comas et Ruiz, 1993]...
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».