L’usage de la télédétection pour l’évaluation économique des écosystèmes marins : application à l’aire marine protégée de Tristão en Guinée
Bibliographic record
Abstract
Cet article présente la méthode et les résultats du travail de modélisation de télédétection réalisé dans le cadre du programme EVA visant à estimer la valeur économique et sociale des écosystèmes marins des Aires Marines Protégées (AMP) de l’Afrique de l’Ouest. La télédétection est réalisée par un procédé original et complexe basé sur une méthode combinée de classifications non supervisées et d’analyses en composantes principales. Elle permet une reconnaissance des différents écosystèmes marins et côtiers ainsi qu’une évaluation de leur état de santé, deux informations indispensables pour mener à bien le travail d’évaluation économique des écosystèmes. D’un point de vue pratique, la modélisation exposée dans cet article est particulièrement recommandée lorsque les données spatiales sur les écosystèmes marins et côtiers font défaut ou que l’accès au site est très difficile ou très coûteux. En outre, ce travail de modélisation permet de mener à bien une identification rapide des zones d’action prioritaires pour la mise en place de mesure de conservation des écosystèmes de l’AMP.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".