Monitoring Seasonal Hydrological Dynamics of Minerotrophic Peatlands Using Multi-Date GeoEye-1 Very High Resolution Imagery and Object-Based Classification
Notice bibliographique
Résumé
The La Grande River watershed, located in the James Bay region (54°N, Quebec, Canada), is a major contributor to the production of hydroelectricity in the province. Peatlands cover up to 20% of the terrestrial environment in this region. Their hydrological behavior is not well understood. The present study is part of a multidisciplinary project which is aimed at analyzing the hydrological processes in these minerotrophic peatlands (fens) in order to provide effective monitoring tools to water managers. The objective of this study was to use VHR remote sensing data to understand the seasonal dynamics of the hydrology in fens. A series of 10 multispectral pan-sharpened GeoEye-1 images (with a spatial resolution of 40 cm) were acquired during the snow-free season (May to October) in 2009 and 2010, centered on two study sites in the Laforge sector (54°06'N; 72°30'W). These are two fens instrumented for continuous hydrometeorological monitoring (water level, discharge, precipitation, air temperature). An object-based classification procedure was set up and applied. It consisted of segmenting the imagery into objects using the multiresolution segmentation algorithm (MRIS) to delineate internal structures in the peatlands (aquatic, semi-aquatic, and terrestrial). Then, the objects were labeled using a fuzzy logic based algorithm. The overall classification accuracy of the 10 images was assessed to be 82%. The time series of the peatland mapping demonstrated the existence of important intra-seasonal spatial dynamics in the aquatic and semi-aquatic compartments. It was revealed that the dynamics amplitude depended on the morphological features of the fens. The observed spatial dynamics was also closely related to the evolution of the measured water levels.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».