MétaCan
Menu
Retour à la cohorte
Enregistrement W7163868343 · doi:10.21966/q4c4-wx08

Fin Island & K'yel - 2020 - Airborne Coastal Observatory Data

2020· dataset· W7163868343 sur OpenAlexaboutno aff
Hakai Geospatial

Notice bibliographique

RevueHakai Institute · 2020
Typedataset
Langue
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOrthophotoHyperspectral imagingLidarAerial surveyPoint cloudGNSS applicationsTerrainDigital elevation modelIntertidal zonePhotogrammetry

Résumé

récupéré en direct d'OpenAlex

Fin Island & K'yel # 20-3015-00 The airborne survey covered three sites on the north coast, near Hartley Bay, BC. Collaborators are Bryn Letham, Dana Lepofsky, and the Gitga’at FN. These sites represent important village sites in Gitga’at Territory. Lidar and imagery will be part of an interdisciplinary research program with ecologists and marine biologists studying long-term intertidal harvesting patterns as they relate to resilience and sustainability. The archaeologists (Bryn and Dana) are interested in continuing/expanding the postglacial sea level and paleoshorline study, as well as making beautiful maps for modern beaches, shorelines, and other geomorphological features. Low tide is preferred as there are intertidal features that would be valuable to capture. The project was successfully flown on September 1st, 2020. Data products available: Lidar data (LAZ)- classified point cloud – digital surface model – digital terrain model. Image data (TIFF) – 4 band orthophotos – RGB & NIR. Hyperspectral data (not always captured). A detailed project report with the summary of acquisition, processing, and overall hardware / software is available (PDF). Sensors and instrument breakdown: Inertial Navigation System: Manufacturer: Applanix (Canada), IMU Model: POS AV 510 IMAR, GNSS Model: Trimble AV39. Laser sensor: Riegl LMS-Q 780 long-range airborne laser scanner. Point density ranges per project and landscape from 1-12 points per square meter. Aerial cameras: two fully integrated Phaseone Industrial iXU-RS1000 medium format cameras, resolution: 100MP, lens: 50mm f/4.0 Rodenstock. Hyperspectral Sensor: manufacturer: Specim, model: AisaFENIX 384, spectral range: 380 - 2500 nm

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,456
Score d'incertitude au seuil0,908

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0770,048

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 Opus0,090
Tête enseignante GPT0,297
Écart entre enseignants0,207 · 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
GenreJeu de données

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHakai InstituteTravaux en français237 207