MétaCan
Menu
← Retour à la cohorte
Enregistrement W6892099382 · doi:10.5061/dryad.6wwpzgmxj

High spatial resolution mapping identifies habitat characteristics of the invasive vine Antigonon leptopus on St. Eustatius (Lesser Antilles)

2021· dataset· en· W6892099382 sur OpenAlexaff

Notice bibliographique

RevueOpen MIND · 2021
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesNederlandse Organisatie voor Wetenschappelijk Onderzoek
Mots-clésVegetation (pathology)NucleofectionAcacia mearnsiiWindage

Résumé

récupéré en direct d'OpenAlex

On the Caribbean island of St. Eustatius, Coralita (Antigonon leptopus) is an aggressive invasive vine posing major biodiversity conservation concerns. The generation of distribution maps can address these conservation concerns by helping to elucidate the drivers of invasion. We test the use of support vector machines to map the distribution of Coralita on St. Eustatius at high spatial resolution and use this map to identify potential landscape and geomorphological factors associated with Coralita presence. This latter step was performed by comparing the actual distribution of Coralita patches to a random distribution of patches. To train the support vector machine algorithm, we used three vegetation indices and seven texture metrics derived from a 2014 WorldView-2 image. The resulting map shows that Coralita covered 3.18% of the island in 2014, corresponding to an area of 64 ha. The mapped distribution was highly accurate, with 93.2% overall accuracy (Coralita class producer’s accuracy: 76.4%, user’s accuracy: 86.2%). Using this classification map, we found that Coralita is not randomly distributed across the landscape, occurring significantly closer to roads and drainage channels, in areas with higher accumulated moisture, and on flatter slopes. Coralita was found more often than expected in grasslands, disturbed forest and urban areas, but was relatively rare in natural forest. These results highlight the ability of high spatial resolution data from sensors such as WorldView-2 to produce accurate invasive species, providing valuable information for predicting current and future spread risks and for early detection and removal plans.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,285
Écart entre enseignants0,251 · 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
GenreJeu de données

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Travaux en français237 207→