MétaCan
Menu
Retour à la cohorte
Enregistrement W3126325715 · doi:10.15273/pnsis.v51i1.10780

Historical air photo missions in the Maritimes during the early 1920s: coverage, thematic scope, and utility 100 years later

2021· article· en· W3126325715 sur OpenAlexvenueaboutno aff
Dirk Werle

Notice bibliographique

RevueProceedings of the Nova Scotian Institute of Science · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensnon disponible
Organismes subventionnairesDartmouth College
Mots-clésScope (computer science)CentennialAerial photosThematic mapAerial photographyGeographyRemote sensingAerial surveyCartographyArchaeologyComputer science

Résumé

récupéré en direct d'OpenAlex

The historical and technological developments of powered flight and aerial photography have early connections in the Maritimes. Following the Great War (1914-18), a series of pioneering survey missions were initiated by the Canada Air Board in the civilian domain. From a science perspective, the air photos offer a unique opportunity for the detection of environmental change at an unusual centennial time scale. The missions of the early 1920s initially relied on military surplus seaplanes and innovative camera equipment that yielded several thousand high-resolution vertical air photos. This paper is focussed on the scope and outcome of the first experiments carried out over Nova Scotia and New Brunswick between 1921 and 1925, prior to more systematic use for topographic mapping during the remainder of that decade. The research is based on archival records and partial reconstruction of the digitized air photos into image mosaics. Photo interpretation and comparison with recent high-resolution satellite imagery offer insights concerning land use and land cover changes, coastal dynamics, and transformation of urban, rural and industrial landscapes. Experience todate with these early air photos and mosaics of the Maritimes holds promise for examining similar aerial survey missions in other parts of Canada.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Empirique
Score de désaccord entre enseignants0,284
Score d'incertitude au seuil0,571

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,016
Tête enseignante GPT0,236
Écart entre enseignants0,220 · 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

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Nova Scotian Institute of ScienceMême sujetRemote Sensing and LiDAR ApplicationsTravaux en français237 207