Skogsdata 2024 - Aktuella uppgifter om de svenska skogarna från SLU Riksskogstaxeringen
Notice bibliographique
Résumé
LU Riksskogstaxeringen (RT) har sedan starten 1923 inte bara inventerat träd och buskar utan även fält- och bottenskiktsvegetation. Metodiken har ändrats över tid och kommit att bli mer omfattande i takt med att intresse och behov från olika avnämare ökat och för närvarande är antalet inventerade arter och artgrupper tämligen omfattande. Under senare år har även ett antal arter av vedtickor och hänglavar tillkommit och dessutom utförs en inventering av så kallade rikkärrsarter. Intresset från samhället kring skogens olika nyttor, så kallade ekosystemtjänster, vilket också understöds av FN:s konferens om biologisk mångfald 2022 då den så kallade Kunming-Montreal Global Biodiversity Framework överenskommelsen signerades. För att möjliggöra kvantifierbara mål och uppföljning av hur det går för den biologiska mångfalden behövs artinformation. Intresset kring utvecklingen av skogens biologiska mångfald, klimatförändringarna, tillgången på vinterbete för ren och andra ekosystemtjänster, utöver virkesproduktion, ökar och därmed också efterfrågan på såväl kvantitativa som kvalitativa data. Det behövs underlag både för att möjliggöra forskning kring och planering utifrån arternas förutsättningar. RT är tillsammans med SLU Artdatabanken redan idag en effektiv medaktör i den myndighetssamverkan som behövs för att på ett objektivt och kostnadseffektivt sätt tillgodose samhället med information på artnivå. Syftet med detta temanummer är att redovisa vad RTs inventeringar kan bidra med samt ge exempel på några analyser av insamlat 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 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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,124 | 0,069 |
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 ».