MétaCan
Menu
Retour à la cohorte
Enregistrement W4321609292 · doi:10.1071/pc22032

Citizen science data validates aerial imagery to track the ‘rise and fall’ of woody vegetation through extremes of climate

2023· article· en· W4321609292 sur OpenAlexaff
Joanne Ling, P. Richardson, J. Wiles, J. Darling, Ryerson Dalton, Marlene Lunddahl Krogh

Notice bibliographique

RevuePacific Conservation Biology · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensDepartment of Environment and Conservation
Organismes subventionnairesNational Parks and Wildlife Service
Mots-clésGround truthVegetation (pathology)WetlandCitizen scienceContext (archaeology)Remote sensingEnvironmental scienceGeographyEnvironmental resource managementEcologyComputer scienceArchaeology

Résumé

récupéré en direct d'OpenAlex

Context Ground truthing remotely sensed imagery for detecting changes in wetland vegetation can be time-consuming and costly for monitoring. Harnessing the resources of citizen scientists (CS) using mobile devices has been under utilised in Australia. Aims The project aimed to test the feasibility and practicality of using CS to collect data using mobile devices to ground truth remotely sensed imagery. Methods Using high-resolution aerial imagery, we detected the establishment of woody vegetation over a 20-year dry phase from 2000 to 2020 in Thirlmere Lakes National Park, NSW, Australia. To ground truth these woody species, we engaged with a local community group using a customised, freely available mobile device application. Key results During the dry event of 2020, CS documented well-established woody species, such as Melaleuca linariifolia (flax-leaved paperbark), amongst the Lepironia articulata grey rush. With the La Niña wet events in early 2020–22 and subsequent higher water levels, the CS documented the survival of M. linariifolia but the dieback of eucalypts, and other woody species. Conclusions Observations at higher temporal frequencies by CS using mobile devices, augmented with researchers’ observations, proved to be a valuable, quality-controlled method to ground truth high-resolution aerial imagery. Implications This case study showed that monitoring the phenology of vegetation in a peat wetland can be supplemented by the inclusion of a CS programme. This under-utilised resource can increase coverage and frequency of data observations, lower costs as well as create community awareness, capability and engagement in scientific research.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,083
Tête enseignante GPT0,317
Écart entre enseignants0,234 · 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'étudeObservationnel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePacific Conservation BiologyMême sujetSpecies Distribution and Climate ChangeTravaux en français237 207