Forest Ecosystem Classification in Manitoba : an analysis of a GIS alternative
Notice bibliographique
Résumé
The purpose of this study was to evaluate the systems available in Manitoba for forest inventory and ecosystem classification and to investigate the viability of linking the Manitoba Forest Resource Inventory (FRI) with the Forest Ecosystem Classification (FEC) for Manitoba using a GIS algorithm. The algorithm used information from the FRI to reinterpret an FEC vegetation type for each of the FRI tree stands (or polygons). The FRI is the standard forest inventory tool that is widely used in Manitoba, but primarily contains information that is useful to the forestry industry (such as timber volumes). The FEC is a classification system that contains more comprehensive information regarding the forest ecosystem but has not been mapped across Manitoba. The algorithm did link the FEC vegetation type descriptions with the FRI polygons but only a weak agreement (16.03%) existed between the vegetation types derived by the algorithm and vegetation types classified on the ground in the field study. The Common Understory Species that are listed in the FEC for each vegetation type identified in the study area were assessed for utility in classifying ecosystem types. The results indicated that Boreal forest species are common across a wide variety of forest ecosystem types in the study area and the species listed as "Common" in the FEC were not good indicators of FEC vegetation type. The main conclusion from the study was that all of the options available in Manitoba for classifying forest ecosystems, including the FEC and FRI, do not fulfill the need for a spatially-broad, comprehensive, classification of forest ecosystems at the stand level.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».