Análisis de los terrenos cinegéticos de Aragón: caracterización y tendencia vegetal mediante el índice SLAVI (1985-2019).
Notice bibliographique
Résumé
En el presente Trabajo Fin de Máster se realiza una caracterización de los terrenos cinegéticos de Aragón determinados en la Ley 1/2015, atendiendo a dimensiones de orden legal como son la tipología, titularidad, tipo aprovechamiento o Espacio Natural Protegido en que se hallan y físico (análisis de la hipsometría y de la pertenencia a dominios paisajísticos). Consecutivamente, se analizan estadísticamente las diferencias entre terrenos cinegéticos mediante la aplicación de análisis de varianza (ANOVA) y la caracterización de la tendencia temporal de la vegetación (1985-2019) a través del índice espectral SLAVI (Specific Leaf Area Vegetation), que opera como variable dependiente y que se ha obtenido a partir de la colección LANDSAT/LC08/C01/T1_ANNUAL_GREENEST_TOA. Estos últimos análisis se realizan considerando una muestra representativa (446 terrenos cinegéticos), localizados en el sector septentrional de las provincias de Huesca y Zaragoza (Pirineos-Somontanos) en el periodo de tiempo comprendido entre 1985 y 2019. Se concluye que los cotos sociales son los que presentan mayores valores de SLAVI (~1,927), presentando tendencias de carácter positivo (r2 = 0,6866), siendo los vedados (terrenos no cinegéticos) los terrenos que presentan tendencias de carácter positivo más acusadas (r2 = 0,8103). En el lado contrario en las zonas ENP no cinegéticas se identifican los valores más bajos (~1,410) y tendencias más bajas (r2 = 0,509), aunque también positivas.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».