Progrès dans l’application de la télédétection pour les besoins en matière d’information sur les forêts au Canada : leçons tirées d’une collaboration nationale d’intervenants universitaires, industriels et gouvernementaux
Notice bibliographique
Résumé
Le secteur forestier canadien a besoin d’information détaillée au sujet de la quantité et des caractéristiques des ressources forestières. Pour répondre à de tels besoins, des systèmes d’inventaire exacts, complets et opportuns qui quantifient spatialement le bois d’œuvre et les autres services écosystémiques liés aux forêts sont nécessaires. Le projet quinquennal AWARE (Assessment of Wood Attributes using Remote sEnsing [évaluation des attributs du bois à l’aide de la télédétection]) était une collaboration entre sept universités canadiennes et sept entreprises forestières soutenue par des organismes forestiers provinciaux et fédéraux et d’autres organismes sans but lucratif-axés sur la foresterie. AWARE a fourni des méthodes et des outils pour améliorer la caractérisation des forêts à une échelle nationale, du paysage et de l’arbre individuel. Vingt-quatre boursiers de recherches postdoctorales et étudiants au doctorat et à la maîtrise se sont associés au projet et ont examiné les rôles que les technologies de télédétection tridimensionnelle (3D) de pointe peuvent jouer dans la conception de systèmes d’inventaire forestier précis partout au Canada. Dans le présent article de revue, nous nous penchons sur le projet de recherche AWARE, les points saillants de la recherche, les résultats clés et les besoins futurs en recherche et présentons une évaluation des réussites et des défis auxquels le projet a été confronté au cours de ses cinq ans.
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 | 0,007 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; 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 ».