<scp>Remap</scp> : An online remote sensing application for land cover classification and monitoring
Notice bibliographique
Résumé
Abstract Recent assessments of progress towards global conservation targets have revealed a paucity of indicators suitable for assessing the changing state of ecosystems. Moreover, land managers and planners are often unable to gain timely access to the maps they need to support their routine decision‐making. This deficiency is partly due to a lack of suitable data on ecosystem change, driven mostly by the considerable technical expertise needed to develop ecosystem maps from remote sensing data. We have developed a free and open‐access online remote sensing and environmental modelling application, the Remote Ecosystem Monitoring and Assessment Pipeline ( Remap ; https://remap-app.org ), that enables volunteers, managers and scientists with little or no experience in remote sensing to generate classifications (maps) of land cover and land use change over time. Remap utilizes the geospatial data storage and analysis capacity of Google Earth Engine and requires only spatially resolved training data that define map classes of interest (e.g. ecosystem types). The training data, which can be uploaded or annotated interactively within Remap , are used in a random forest classification of up to 13 publicly available predictor datasets to assign all pixels in a focal region to map classes. Predictor datasets available in Remap represent topographic (e.g. slope, elevation), spectral (archival Landsat image composites) and climatic variables (precipitation, temperature) that are relevant to the distribution of ecosystems and land cover classes. The ability of Remap to develop and export high‐quality classified maps in a very short (<10 min) time frame represents a considerable advance towards globally accessible and free application of remote sensing technology. By enabling access to data and simplifying remote sensing classifications, Remap can catalyse the monitoring of land use and change to support environmental conservation, including developing inventories of biodiversity, identifying hotspots of ecosystem diversity, ecosystem‐based spatial conservation planning, mapping ecosystem loss at local scales and supporting environmental education initiatives.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».