MétaCan
Menu
Retour à la cohorte
Enregistrement W4389669681 · doi:10.3832/ifor4445-016

A WebGIS tool to support forest management at regional and local scale

2023· article· en· W4389669681 sur OpenAlexfundno aff
Luca Cadez, Francesca Giannetti, A De Luca, Antonio Tomao, Gherardo Chirici, Giorgio Alberti

Notice bibliographique

RevueiForest - Biogeosciences and Forestry · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensnon disponible
Organismes subventionnairesInfrastructure CanadaU.S. Forest ServiceRegione Autonoma Friuli Venezia Giulia
Mots-clésCadastreForest managementScale (ratio)Environmental resource managementGeographyForest inventoryFragmentation (computing)Computer scienceDatabaseForestryEnvironmental scienceCartography

Résumé

récupéré en direct d'OpenAlex

One of the most important obstacles for taking advantage of forest resources in the Italian Alps is represented by the high level of private properties fragmentation and by their small size. Thus, there is an urgent need for tools to support single or multi-forest owners to gain reliable and updated information on their forest stands so that the proper silvicultural activities following all the existing regulations can be adopted. The present research was aimed at promoting a shared management of small private forest properties in the mountainous area of Friuli Venezia Giulia (NE Italy) through the implementation of a new WebGIS tool to support forest decisions and management at different spatial scales. This new tool was developed updating and merging together different available information sources (e.g., tree species composition, the presence of protected areas, forest roads, etc.) with ad-hoc elaborated layers (e.g., standing volume, annual increment of volume, forest accessibility, etc.), also elaborating a cost analysis related to the different possible harvesting methods. The tool allows queries at the level of either a single or a group of cadastral parcels to obtain data in a format, which can be used for filling in the planning document requested by the regional authorities.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,094
Score d'incertitude au seuil0,826

Scores Codex et Gemma par catégorie

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

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 Opus0,012
Tête enseignante GPT0,235
Écart entre enseignants0,223 · 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'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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueiForest - Biogeosciences and ForestryMême sujetRemote Sensing and LiDAR ApplicationsTravaux en français237 207