GIS Data: Prince George’s County, Maryland – Shoreline Inventory Data 2023
Notice bibliographique
Résumé
The shoreline inventory files have been generated to support the application of the Maryland Shoreline Stabilization Model (SSM), developed by the Center for Coastal Resources Management (CCRM), Virginia Institute of Marine Science (VIMS), to enhance and streamline regulatory decision making in Maryland. This shoreline inventory includes the features needed as inputs to run the SSM. The data developed for the Shoreline Inventory is based on a three-tiered shoreline assessment approach. This assessment characterizes conditions by using observations made remotely at the desktop using high resolution imagery. The three-tiered shoreline assessment approach divides the shore zone into three regions: 1) the immediate riparian zone, evaluated for land use; 2) the bank, evaluated for height, and natural protection (i.e., marshes and beaches); and 3) the shoreline, describing the presence of shoreline structures for shore protection and recreational purposes. The 2023 Inventory for Prince George’s County was generated using on-screen, digitizing techniques in ArcGIS® - ArcMap v10.6.1 or greater. Three GIS shapefiles are developed, PrinceGeorges_lubc_2023, PrinceGeorges_astru_2023, and PrinceGeorges_sstru_2023. The shapefiles use a shoreline basemap from the NOAA Continuously Updated Shoreline (CUSP) shoreline, which it is updated in-house by using the most recent available MD Six Inch Imagery to reflect the most current land-water interface position. The shoreline is re-coded to reflect features and attributes observed. The metadata file accompanies the shapefiles and defines attribute accuracy, data development, and any use restrictions that pertain to data.
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 | 0,002 | 0,001 |
| 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 | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,008 | 0,027 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,004 |
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 ».