MétaCan
Menu
← Retour à la cohorte
Enregistrement W7096112996

WRS-Canada: Integration of the Landsat Worldwide Referencing

2002· article· en· W7096112996 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing in Agriculture
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEarth observationFrame (networking)Satellite imageryAncillary dataInformation systemVariety (cybernetics)Thematic MapperStewardship (theology)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Canadians are responsible for stewardship of approximately 10 % of the world’s forests. As a result, we as Canadians must be able to represent our forests in a manner which portrays a variety of economic, social, and environmental conditions. To meet these broad information challenges, the Canadian Forest Service of Natural Resources Canada, in partnership with the Canadian Space Agency, has begun to monitor Canada’s forests with space-based technology and Landsat data through a long-term project, the Earth Observation for Sustainable Development of Forests (EOSD). All Landsat satellite images of the earth’s surface are col-lected on a Worldwide Referencing System (WRS). WRS partitions the globe into overlapping frames representing the locations where Landsat data has, and will be, collected. The WRS is a useful tool for image selection and cataloging, organization and processing, and the development of sam-pling techniques. This technical transfer note outlines the information poten-tial of WRS-Canada when integrating information such as forest cover, elevation, and population. The authors describe a new on-line tool that allows Web users to determine which WRS frames in Canada correspond to various political, ecological, topographical, and demographic characteristics. Examples of queries that this system can handle might include: • Which Landsat frames contain areas that are over 500 metres in elevation? • Which Landsat frames in British Columbia contain over 100,000 people? • Which Landsat frames are more than 10 % wetland? • What proportion of forest cover can be expected by Landsat frame (figure 1)? This type of information should facilitate land-use plan-ning and decision-making for many stakeholders across the country.

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)0,003
score de la tête « metaresearch » (Gemma)0,008
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,126

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0090,013
Études des sciences et des technologies0,0040,001
Communication savante0,0060,004
Science ouverte0,0030,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0190,008

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 Opus0,013
Tête enseignante GPT0,167
Écart entre enseignants0,155 · 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
GenreMéthodes

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
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRemote Sensing in Agriculture→Travaux en français237 207→