OBJECT-ORIENTED ANALYSIS OF SEA ICE FRAGMENTATION USING SAR IMAGERY TO DETERMINE PACIFIC WALRUS HABITAT
Notice bibliographique
Résumé
Long-term alterations in climate are causing changes in sea ice formation resulting in a potentially degraded habitat for Pacific walrus (Odobenus rosmarus divergens). Students from NASA’s DEVELOP program worked with the U.S. Fish and Wildlife Service in Alaska to determine the usefulness of satellite imagery for studying walrus habitat on sea ice. Few studies use sea ice image processing methods to observe marine mammal habitats in polar regions because of the difficulty in obtaining multispectral imagery and georeferenced species location data points for the same time period. The dynamic nature of sea ice poses a challenge to remote sensing studies and matters are further complicated when additional data are incorporated. Passive multispectral sensors cannot penetrate the cloud base without information loss. In cases where heavy cloud cover exists, such as in the Alaskan Yukon-Kuskokwim Delta, radar sensors are preferred because they are relatively unaffected by clouds, have high temporal resolution, and operate day or night. This study presents a method for sea ice image analysis using remote sensing segmentation and classification techniques with RADARSAT1 Synthetic Aperture Radar. Results were associated with ground point data to determine the relationships of sea ice features to walrus’ preferred habitat. MODIS data were utilized, where possible, to verify the classifications of sea ice surfaces obtained by RADARSAT1. The challenge and goal was to capture, display, and relate geophysical information from radar images that correlate with georeferenced species data points for the same time period.
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 | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».