Télédétection et géomatique pour le suivi des milieux forestiers - Contributions à l’évaluation des risques
Bibliographic record
Abstract
Les disciplines de l’information géographique regroupent à la fois la géomatique et la télédétection. Elles s’appuient sur un ensemble de techniques et de données à références spatiales qui, utilisées de manière complémentaire ou non, sont devenues indispensables pour un grand nombre de domaines liés à la description et la gestion du territoire. \nIl est utile tout d’abord de rappeler quelques définitions. Parmi les nombreuses définitions de la géomatique on retiendra celle adoptée au Québec par l’Office de la langue française et tirée du Grand dictionnaire terminologique (GDT) qui définit la géomatique comme «la discipline ayant pour objet la gestion des données géographiques et qui fait appel aux sciences et aux technologies reliées à leur acquisition, leur stockage, leur traitement et leur diffusion » (https://www.oqlf.gouv.qc.ca). \nSelon la même source, nous pouvons également définir la télédétection comme étant une discipline regroupant « l’ensemble des connaissances et techniques utilisées pour déterminer, au moyen de mesures effectuées à distance, les caractéristiques physiques et biologiques des phénomènes ». \nDepuis leur apparition, la géomatique et la télédétection (spatiale et aéroportée) connaissent un essor considérable dans un contexte d’évolution technologique et méthodologique en informatique par : le développement des Systèmes d’Information Géographique (SIG) dès les années 1960 (Figure 1), la succession des programmes de lancement des satellites d’observation de la terre, et l’augmentation de la capacité et des performances des ordinateurs [Comas et Ruiz, 1993]...
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 | 0.011 | 0.029 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.005 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.011 | 0.004 |
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".