Data Quality of OpenStreetMap for Industrial Sites in the Arctic
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract. Climate change is causing rapid warming in the Arctic region, resulting in the thawing of permafrost. This has substantial environmental implications, such as the release and mobilisation of contaminants from past and present industrial activities. However, freely accessible public geographical information is scarce on industrial sites and activities in much of the Arctic, which makes scientific research such as impact assessment difficult. OpenStreetMap (OSM) can be a valuable resource for identifying and assessing industrial sites for contamination. However, OSM data quality is not uniform across regions necessitating our evaluation of its reliability for identifying industrial sites and contamination hotspots in the areas most susceptible to permafrost thawing. Therefore, we examined in our study the object and attribute completeness as well as the currentness of OSM data on industrial sites. Our study focused on the regions defined by the presence of either discontinuous or continuous permafrost located in Canada, the USA, Denmark, Russia, and Norway, as these regions are expected to show strongest impacts of rising temperatures with respect to industrial pollution. The highest object completeness and currentness were obtained in Denmark (99% and 48% respectively). Russia had the lowest completeness (68%) and Canada had the lowest currentness (30%). Despite the promising average completeness of 86% and the average currentness of 35%, only 5.6% of industrial sites mapped in OSM contained information on the type of industry. This finding highlights the need for efforts to enhance attribute completeness gaps to maximize the use of OSM data in comprehensive environmental analyses.
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.
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 | 0,002 | 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle