Vers la cartographie automatisée des surfaces boisées en milieu urbanisé fondée sur la texture d'images IKONOS panchromatiques : le cas de la Région métropolitaine de Montréal
Bibliographic record
Abstract
(1) égalisation locale de l'histogramme de l'image, (2) création d'images de texture selon la méthode d'Unser, (3) classification dirigée et (4) filtrage post-classification. L'expérimentation avec une image IKONOS couvrant une zone périurbaine de la Région métropolitaine de Montréal a démontré que les quatre mesures de texture qui permettent la meilleure délimitation des surfaces boisées sont la moyenne, le contraste, la corrélation et l'écart type, générées à partir de fenêtres de dimension entre 17 × 17 et 35 × 35 pixels, avec des pas de 1 ou 2 pixels. Le taux de détection des boisés d'une étendue minimale de 1000 m2 est élevé (près de 90 %), et les confusions avec les autres classes d'occupation du sol sont réduites (coefficients Kappa d'environ 0,8). Bien que l'étude se concentre sur des mesures de texture du deuxième ordre, les résultats pourraient servir de base à l'établissement d'une méthode plus générique pour l'inventaire et le suivi des surfaces boisées en milieu urbain.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.002 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.005 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".