MétaCan
Menu
Retour à la cohorte
Enregistrement W4281612493 · doi:10.17504/protocols.io.q26g7rn23vwz/v2

Canadian Airborne Biodiversity Observatory's Forest Inventory Field Survey Protocol v2

2022· preprint· en· W4281612493 sur OpenAlexaboutno aff
Anna L. Crofts

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCanopyBiodiversityForest inventoryTree canopyGeographyHyperspectral imagingDiameter at breast heightForestryRemote sensingPlot (graphics)Environmental scienceField (mathematics)CartographyPhysical geographyEcologyForest managementBiologyStatisticsMathematicsArchaeology

Résumé

récupéré en direct d'OpenAlex

Here, we describe the standardized protocol used by the Canadian Airborne Biodiversity Observatory (CABO) to conduct the field-based surveys of canopy trees at the forested study sites, Parc national du Mont Mégantic and Parc national du Mont Saint Bruno, located in southern Québec, Canada. These field-based surveys were conducted to relate field-based tree biodiversity data with aerial hyperspectral imagery data. Forest inventory plots (~706 m2) were systematically distributed to span the range of conditions present within the imaged areas. Plot dimensions were corrected to account for slope in the field and therefore, plots were circular (15 m radii) when viewed-from-above. Within each plot, we quantified the tree community defined as all individuals whose crowns extended into the general level of the canopy and those whose crowns were below the canopy but had a diameter at breast height (DBH) greater than 9 cm. Individuals were identified to species, positioned in relation to the plot center, and a suite of dendrometric properties (e.g., DBH, height) were quantified. To relate the field surveys with the hyperspectral imaging data, we took high-precision positions of plot centers. All data were collected using Fulcrum, a data collection application.

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)0,012
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Protocole · Signal consensuel: aucune
Score de désaccord entre enseignants0,187
Score d'incertitude au seuil0,389

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,007
Études des sciences et des technologies0,0050,001
Communication savante0,0030,001
Science ouverte0,0030,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,1160,034

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 Opus0,055
Tête enseignante GPT0,271
Écart entre enseignants0,216 · 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'étudeSans objet
Domainenon disponible
GenreProtocole

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

En bref

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRemote Sensing and LiDAR ApplicationsTravaux en français237 207