MétaCan
Menu
Retour à la cohorte
Enregistrement W3203068053 · doi:10.34220/mmeitsic2021_9-13

DESIGN METHODS FOREST FOREST ROADS BASED ON GIS SYSTEM

2021· article· en· W3203068053 sur OpenAlexaff
Ya. Abramov, Igor Kruchinin

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueForest Biomass Utilization and Management
Établissements canadiensTransport Canada
Organismes subventionnairesnon disponible
Mots-clésForest roadComputer scienceTracingGeographic information systemWork (physics)Transport engineeringOperations researchRemote sensingEngineeringGeographyForestry

Résumé

récupéré en direct d'OpenAlex

The main tasks of selecting the best option for the route of forest roads through the use of methods based on GIS systems are considered. Such roads are characterized by the use of materials capable of meeting the basic requirements on the transport-operational condition in difficult natural and climatic conditions. As is known, the cost of maintenance and construction of such roads are quite large. Forestry engineers need to predict in advance the optimal route of a forest road. For this purpose it is necessary to carry out a comprehensive analysis of the whole design area and make a decision for the passage of the route. Thus, the methodology of analysis and optimization of forest road route design on the basis of GIS systems allows to solve this problem. This study presents in detail the methodology underlying some of the key components of the model, including the specified design constraints. The methodology solves tracing problems and provides forest engineers with a powerful tool to find the greatest number of different alignment options in a short period of time. This methodology allows for the evaluation of alternatives for a forest road alignment. The aim of the research was to develop a methodology for tracing forest roads using GIS systems. The result of the work was the creation of the methodology of forest roads routing, taking into account the standards and topographic data of the area.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,821
Score d'incertitude au seuil0,529

Scores Codex et Gemma par catégorie

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

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 Opus0,028
Tête enseignante GPT0,265
Écart entre enseignants0,238 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetForest Biomass Utilization and ManagementTravaux en français237 207