Development of a Bi-National Great Lakes Coastal Wetland and Land Use Map Using Three-Season PALSAR and Landsat Imagery
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Methods using extensive field data and three-season Landsat TM and PALSAR imagery were developed to map wetland type and identify potential wetland stressors (i.e., adjacent land use) for the United States and Canadian Laurentian coastal Great Lakes. The mapped area included the coastline to 10 km inland to capture the region hydrologically connected to the Great Lakes. Maps were developed in cooperation with the overarching Great Lakes Consortium plan to provide a comprehensive regional baseline map suitable for coastal wetland assessment and management by agencies at the local, tribal, state, and federal levels. The goal was to provide not only land use and land cover (LULC) baseline data at moderate spatial resolution (20–30 m), but a repeatable methodology to monitor change into the future. The prime focus was on mapping wetland ecosystem types, such as emergent wetland and forested wetland, as well as to delineate wetland monocultures (Typha, Phragmites, Schoenoplectus) and differentiate peatlands (fens and bogs) from other wetland types. The overall accuracy for the coastal Great Lakes map of all five lake basins was 94%, with a range of 86% to 96% by individual lake basin (Huron, Ontario, Michigan, Erie and Superior).
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.
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 découle