MétaCan
Menu
Retour à la cohorte
Enregistrement W6945046702 · doi:10.21966/0ydj-0t79

Place Glacier Aerial Photo and LiDAR Survey

2021· dataset· en· W6945046702 sur OpenAlexaboutno aff

Notice bibliographique

RevueHakai Institute · 2021
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGlacierClimate changeGeospatial analysisLidarSnowDigital elevation modelGeneral partnershipAerial photographyNatural hazard

Résumé

récupéré en direct d'OpenAlex

Place Glacier is one of three benchmark glaciers in western Canada that scientists routinely monitor to inventory how climate change is affecting one of Canada’s important freshwater resources. Since 2015, Hakai have done over 50 aerial surveys of Place Glacier and produced a LiDAR dataset that is unparalleled in its temporal coverage for an alpine glacier. This glacier also lies within the traditional territory of the Lil’wat First Nation and Hakai Affiliate Brian Menounos has established a partnership with the Lil’wat to better understand how glaciers are projected to change in the Lil’wat territory in the decades ahead. The climate of BC’s South and Central Coast makes it particularly sensitive to climate change, with comparatively warmer winters than continental environments. The BC coast’s extreme elevation gradients, however, may provide some resilience in certain watersheds with high elevations and extensive glacier coverage. Better characterization of snow and glacier coverage will improve our ability to observe long-term change, develop and improve existing hydrological models, and provide guidance to local communities who will need to adapt. The project will be designed to meet and leverage the Natural Resource Canada (NRCan) Centre of Mapping and Earth Observation (CCMEO) Findable, Accessible, Interoperable and Reusable (FAIR+) principles by democratizing existing LiDAR data and integrating it into an open-source and cloud-based data processing workflow that can be automated and accessed by non-specialist user groups, policy makers and geospatial specialists. The deliverables of the project are envisioned to actively contribute to spatial data standards and practices that could be adopted across Canada. The project outcomes will also support evaluation on how LiDAR from the Government of British Columbia can be made more readily available to users. All LiDAR and imagery data used and made available through the application has been collected and processed by the Geospatial Team at the Hakai Institute through the Airborne Coastal Observatory (ACO) program. For more information on post processing, data quality assurance, software used, and summary of results please contact data@hakai.org

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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,860
Score d'incertitude au seuil0,281

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
Bibliométrie0,0030,004
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0390,020

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 Opus0,038
Tête enseignante GPT0,287
Écart entre enseignants0,249 · 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'étudeSans objet
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 revueHakai InstituteTravaux en français237 207