Ancient Forest Wetlands, BC - Upper Fraser River - 2019 - Airborne Coastal Observatory
Notice bibliographique
Résumé
Ancient Forest Wetlands Survey conducted on Aug 29th 2019. Contained within this report are details regarding the project specifications, overall data accuracy, and deliverables. A survey acquisition of LiDAR and orthoimagery was carried out over Ancient Forest/Chun T'Oh Whudujut Provincial Park to generate a high-res DEM of several wetland complexes and their surrounding topography. The DEM is being used to support a project mapping the hydraulic gradient throughout the year in the wetlands in an effort to determine how significant snowmelt recharge is for these ecosystems. Hakai Institute’s Airborne Coastal Observatory (Hakai ACO) conducted an aerial survey of 14.95km2 approximately 93km south-east of the Prince George Airport over the Ancient Forest / Chun T’oh Whudujut Provincial park. The survey commenced on Aug 29th 2019 and finished on the same date. Data collected includes: LiDAR, 4 band digital imagery, and Inertial Navigation System (INS) data Using combined GNSS and Inertial Movement Unit (IMU) data, the Hakai geospatial group calculated aircraft attitude and position, and incorporated laser range data to resolve spatial surface information. The flight consisted of 8 parallel passes over the Ancient Forest/ Chun T’oh Whudujut Provincial Park and the INS positional data was processed immediately after the completion of the project. Previous calibration flights allowed Hakai’s geospatial group to calibrate the roll, pitch, and heading of the system and refine the acquired spatial data. Aircraft position data was processed using an Applanix CenterPoint RTX solution by combining multiple continuous operating GNSS base stations to generate a set of observations as base stations to post-process Differential GNSS processing. The aerial survey combined with previously flown calibration flights aided in resolving and validating vertical elevations and geo-referenced aerial photos. Hakai Institute’s geospatial team completed all data acquisition, data post-processing and quality analysis. Geodetic Parameters Horizontal Datum: NAD83 (CSRS) Epoch: 2010.00 Vertical Datum: CGVD2013 Geoid: CGG2013a Projection: UTM Zone 10 N Units: Metres Point Specification Aggregated Nominal Point Density (ANPD): 7.3 pts/m2 Aggregated Nominal Ground Point Density (ANGPD): 2.71pts/m2 Orthophoto Resolution: 7.4 cm pixel resolution Data products available: Lidar data (LAZ)- classified point cloud – digital surface model – digital terrain model. Image data (TIFF) – 4 band orthophotos – RGB & NIR. Hyperspectral data (not always captured). A detailed project report with the summary of acquisition, processing, and overall hardware / software is available (PDF). Sensors and instrument breakdown: Inertial Navigation System: Manufacturer: Applanix (Canada), IMU Model: POS AV 510 IMAR, GNSS Model: Trimble AV39. Laser sensor: Riegl LMS-Q 780 long-range airborne laser scanner. Point density ranges per project and landscape from 1-12 points per square meter. Aerial cameras: two fully integrated Phaseone Industrial iXU-RS1000 medium format cameras, resolution: 100MP, lens: 50mm f/4.0 Rodenstock. Hyperspectral Sensor: manufacturer: Specim, model: AisaFENIX 384, spectral range: 380 - 2500 nm
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 ».