A multi‐sensor approach to wetland flood monitoring
Notice bibliographique
Résumé
Abstract The Peace–Athabasca Delta, Canada, is a 3900 km2 freshwater wetland complex, characterized by numerous river channels, lakes and wetland basins. Periodic flooding of the wetland basins is necessary to maintain the productivity in the delta. The delta experienced a 22 year drying trend between 1974 and 1996, resulting in considerable changes in water boundaries. Availability of water is the dominant mechanism driving the ecosystem response. As such, accurate and frequently updated maps of floodwater extent and vegetation types are necessary for proper wetland management. Owing to the large size, remoteness, and dynamic nature of the delta, flood mapping is only feasible using remote sensing. This paper evaluates the use of radar and visible/infrared satellite imagery for mapping the extent of flooded wetland areas. The extent of standing water in the delta during May 1996 and May 1998 was mapped using RADARSAT and SPOT imagery. The RADARSAT scenes, the SPOT scenes, and a combination of the two were, for each year, classified into open water, flooded vegetation, and non‐flooded land using a Mahalanobis distance classifier. When the 1996 RADARSAT scene and the 1996 SPOT scene were classified separately, they resulted in Kappa coefficients of 70% and 66% respectively. The accuracy increased to 92% when the RADARSAT and the SPOT scenes were combined and classified together. Classification of the 1998 RADARSAT scene and the 1998 SPOT scene resulted in accuracies of 76% and 80% respectively, whereas a combination of the two scenes resulted in an accuracy of 92%. The results from this study indicate that the information from radar and visible/infrared satellite imagery is complementary and that flood mapping in wetland areas can be achieved with higher accuracy if the two image types are used in combination. Copyright © 2002 John Wiley & Sons, Ltd.
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 | 0,001 |
| 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) | 0,001 | 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 ».