Quantifying forest loss and forest degradation in Myanmar’s “home of teak”
Notice bibliographique
Résumé
The Bago Mountain Range in Myanmar is known as the “home of teak” (Tectona grandis L. f.) because of its bountiful, naturally growing teak-bearing forests. Accelerating forest loss and degradation are threatening the sustainable production of teak in the region. Changes in land cover between 2000 and 2017 in four reserved forests of the Bago Mountain Range were mapped using supervised classification of Landsat imagery and training data collected in the field. A stratified random sample was used to collect reference data to assess accuracy of the maps and estimate area. Based on the reference sample, it was estimated that the forest area declined from 71 240 ha (standard error (SE) = 1524 ha) in 2000 to 40 891 ha (SE = 4404 ha) in 2017, whereas the area of degraded forests increased from 88 797 ha (SE = 1694 ha) to 97 013 ha (SE = 5395 ha). The annualized rates of gross forest loss and gross forest degradation were 1.03% and 0.97%, respectively, indicating that forest degradation paralleled forest loss. In many degraded areas, there is an opportunity to ameliorate the situation through silviculture. The 2017 map identifies bamboo-dominated degraded forests where enrichment planting or reforestation is recommended.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».