Automated modelling of digital elevation models for predictive ecosystem mapping in GIS
Notice bibliographique
Résumé
This thesis is an exploratory analysis of automated mapping protocols that can be used to support Terrestrial Ecosystem Mapping and Predictive Ecosystem Mapping in British Columbia. This thesis employs neighbourhood analysis of elevation and its derivatives to discriminate the bioterrain elements defined by Terrestrial Ecosystem Mapping standards. In achieving these standards, discrimination beyond the basic topographic forms presented in current research is explored. The method developed strives to be - easily implemented by mapping projects employing standard GIS software ; flexible so that the extracted topographic forms can be tailored to varying project objectives ; compatible with the hierarchical procedure employed in Terrestrial Ecosystem Mapping ; efficient and accurate in that the process is advantageous over manual mapping methods. The effect of data quality is addressed through an assessment of DEM data interpolation techniques and classification accuracy. Random and systematic artifacts of the DEM that influence the quality of the derivatives are explored. The issue of scale-dependent shape is addressed by the constraints of objective-based mapping in which a map scale is specified and the most basic shape elements are aggregated into contiguous classes by a roving neighbourhood window. The results indicate that basic topographic elements are mapable from relief as well as first and second order elevation derivatives. These results give preliminary accuracy of 80% based on the three classes tested. The procedure requires decisions at every step, but it is felt that this complements the traditional mapping process in that it is hierarchical, and requires a synthesis of extensive knowledge of vegetation and landscape across many scales. Key Words: elevation, digital elevation model, topography, slope, aspect, curvature, Terrestrial Ecosystem Mapping, Predictive Ecosystem Mapping, scale, random, systematic error.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».