MétaCan
Menu
← Retour à la cohorte
Enregistrement W3205254163 · doi:10.1109/igarss47720.2021.9555115

Research and Development Needs for REDD+ and Forest Monitoring

2021· article· en· W3205254163 sur OpenAlexfundno aff
Sarah Carter, Martin Herold, Jennifer Murrins Misiukas

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensnon disponible
Organismes subventionnairesH2020 Leadership in Enabling and Industrial TechnologiesNetwork for Business Sustainability
Mots-clésContext (archaeology)Environmental resource managementEarth observationUser needsData collectionEnvironmental scienceBiomass (ecology)Greenhouse gasSampling (signal processing)Computer scienceBusinessRemote sensingGeographyEngineeringStatistics

Résumé

récupéré en direct d'OpenAlex

As Forest Monitoring (FM) requirements for international policies and activities such as REDD+ increase, Earth Observation data becomes more and more available and initiatives to support FM such as Copernicus are developing. In this context, user needs for data and methods are varied, with several research gaps remaining. Based on policy requirements, user needs, and available research, priorities for research were identified: extraction of map statistics, uncertainty/accuracy assessment methods, analysis ready high-resolution sampling data, and information on Forest biomass stocks and change, and Forest related GHG emissions and removals information.

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)0,039
score de la tête « metaresearch » (Gemma)0,049
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,205

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0390,049
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,006
Études des sciences et des technologies0,0020,002
Communication savante0,0090,013
Science ouverte0,0040,006
Intégrité de la recherche0,0050,003
Charge utile insuffisante (le modèle a refusé de juger)0,0460,010

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 Opus0,068
Tête enseignante GPT0,327
Écart entre enseignants0,259 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRemote Sensing and LiDAR Applications→Travaux en français237 207→