Predictive Ecosystem Mapping of the Chinchaga Watershed Management Basin, North Eastern British Columbia
Notice bibliographique
Résumé
The purpose of this project was to identify and map the location of wetlands in the Chinchaga Watershed Management Basin within the Fort St. John Timber Supply Area. The Chinchaga study area covers 75,000 hectares (ha), and serves as an ecologically significant unit within the Fort St. John Timber Supply Area, representing the gentle, low relief terrain characteristic to Boreal Plains. The products created in this project are intended to provide input for the amendment of the Fort St. John Land & Resources Management Plan. Input data for this project consisted of Sentinel 2 spectral imagery, the provincial Digital Elevation Model, ClimateBC data, and Predictive Ecosystem Mapping provincial products. Both spectral and topographic indices were created to assist in model performance. A geographically stratified sampling approach was taken in order to generate 1012 points. These training points were attributed to allow for the prediction of three simplified land cover realms, as well as seven identified provincial Eco-Groups across the Chinchaga. Together, the explanatory variables and training points were fed into a Random Forest model, and the classes were predicted across the study area with 84.9% (Three Class) and 78.2% (Seven Class) overall accuracy, respectively. Included in this report are a brief discussion on explanatory variable contribution to model performance, as well as an analysis of sample design and its implications on class accuracies in the 7 Class prediction.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».