100 Islands Project - Island Spatial Data -2017 - Coastal British Columbia - Canada
Notice bibliographique
Résumé
This layer includes polygons representing the islands studied by the 100 Islands research program at the Hakai Institute. A centroid points layer is also included. The 100 Islands Project seeks to blend the theory of island biogeography with theories about ecosystem subsidies, to understand how nutrients from the sea affect the ecology of plants, breeding birds, mammals, insects and amphibians. To do this we will be studying 100 islands near the Hakai Institute on Calvert Island. Little is known of the diversity on these islands and therefore we have a great opportunity to conduct lots of interesting work, including mapping of major taxa, tracking marine-derived nutrients along shorelines (think seaweed deposition) and into the forests, and measuring stable isotope signatures in a variety of organisms (from tiny plants to large mammals), to name just a few! Attributes: Island general exposure as derived from the BC Shorezone dataset. Reflects the exposure on the more exposed side of each island. 6 classes (Very Exposed, Exposed, Semi Exposed, Semi Protected, Protected, Very Protected) Distance to Mainland over water in meters measured using the least distance of water crossing. Distance to nearest vegetated land. Radial coverage of land within 250m from the Island. (0 – 360°) i.e. the amount of surrounding land measured by the degrees of a circle it covers. Mean Normalized Difference Vegetation Index for the internal area of each island. NDVI is derived from WorldView2 images and available at its original 2m resolution. Dataset created by Wiebe Nijland and Luba Reshitnyk
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,010 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».