Species Discrimination of Mangroves using Derivative Spectral Analysis
Notice bibliographique
Résumé
Abstract. Mangroves are salt tolerant trees or shrubs commonly seen in mudflats of intertidal regions of tropical and subtropical coastlines. Recent advances in field spectroscopic techniques enabled the species level discrimination among closely related vegetation types. In this study we have analysed the laboratory spectroscopy data collected from eight species of Rhizophoraceaea family of mangroves. The spectral data ranges between the wavelength of 350 nm and 2500 nm at a very narrow bandwidth of 1 nm. Preprocessing techniques including smoothing were done on the spectra to remove the noise before compiling it to a spectral library. Derivative analysis of the spectra was done and its corresponding first and second derivatives were obtained. Statistical analysis such as parametric and non-parametric tests were implemented on the original processed spectra as well as their respective first and second order derivatives for the identification of significant bands for species discrimination. Results have shown that red edge region (680 nm – 720 nm) and water vapour absorption region around 1150 nm and 1400 nm are optimal as they were consistent in discriminating species in reflectance spectra as well as in its first and second derivative spectra. C. decandra species is found to be discriminable from other species while reflectance and its derivative spectra were used. Non-parametric statistical analysis gave better results than that of parametric statistical analysis especially in SWIR 2 spectral region (1831 nm – 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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».