Mapping piping plover (<i>Charadrius melodus melodus</i>) habitat in coastal areas using airborne lidar data
Notice bibliographique
Résumé
Coastal estuaries and beach habitat are some of the most important and productive ecosystems in Atlantic Canada. These sensitive areas are crucial for hundreds of land and marine species. Mapping and monitoring coastal habitat is important for the protection of species such as the endangered piping plover (Charadrius melodus melodus). Light detection and ranging (lidar) elevation and intensity data have been used together to successfully classify land-cover types. This study explores the use of elevation, texture, slope, and intensity to classify coastal habitat. Lidar data were collected over a barrier beach and estuary on the South Shore of Nova Scotia. Ground validation and training sites were collected using a real-time kinematic global positioning system. Unsupervised, supervised, and logical filter classifications were compared for separability of various beach and intertidal habitats. Coastal land classes similar in elevation, texture, and slope, such as mudflats, sand beaches, and salt marshes, relied heavily on intensity data for separation. Tidal saturation of these areas produced similar intensity returns, resulting in poor separation between classes. Logical filters applied to the lidar data improved the classification of coastal habitat compared to standard unsupervised and supervised classifications. Additional logical filters were used to isolate important nesting and feeding habitat for piping plover. Results of this study suggest that lidar can effectively be used for classifying coastal habitat if tidal and seasonal factors are taken into consideration.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».