An adaptive mapping framework for the management of peat soils: a new Irish Peat Soils Map.
Notice bibliographique
Résumé
Accurate mapping is necessary for effective management of peat soils to help reduce GHG emissions and improve environmental quality. However, mapping peat soils remains a major challenge: definitions of peat soils vary substantially, field data are sparse and difficult to produce, and remote sensing of limited use for converted peatlands. Using an Adaptive Mapping Framework developed for the Derived Irish Peat Map, this study describes our work to update the map with refined and new datasets. These include incorporation of areas considered to be underlain by shallow peat soils (≥ 10 cm and ≥ 8.6 % Organic Matter content), and augmentation of the overall test dataset with an additional ~ 20,000 points.The workflow for map generation employed 20 Decision Tree Output Maps (DTOMs), aggregated into 33 Map Combinations (MCs). The MC selected for the update had the highest accuracy metrics (≥ 80 %), consisting of DTOMs with a user accuracy ≥ 60 % and assessed over a minimum number of test points ≥ 50. The resulting map reveals peat to underlie 1.66 M ha of Ireland (~ 23.3 % of the country), with an overall accuracy of 84 % and a F1 score for peat areas of 85 %. This extent is 13.2 % larger than that delineated in previous versions and at least 18.8 % larger than areas presented in other previous maps. The methodology also allows transparency from which data sources the different peat layers of the new map are coming from and to distinguish different peat thickness ranges (≥ 10 cm, ≥ 30-40 cm).We demonstrate the utility of the mapping framework to facilitate the production of a more reliable peat map than previous mapping attempts. This approach has potential relevance for peat mapping elsewhere, in areas containing disparate datasets (e.g., land cover, soil map, etc.), covering different time periods, or employing different production methods. The accuracy metrics generated also suggest that the approach can be used as a basis for implementing or updating European and national regulations concerning carbon-rich soils in comparable settings to those encountered in Ireland.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».