Historical vegetation reconstruction of a degraded sub-arctic coastal marsh using Landsat imagery and ancillary data
Notice bibliographique
Résumé
In recent decades, increasing numbers of Lesser Snow Geese have severely damaged the sub-arctic coastal marshes on which they feed in summer. Because the geese are an economic, aesthetic and visible species, plans for population control via increased harvest are controversial, and accurate vegetation maps are needed both for management decision-making and for public education. Documentation of the extent, pattern, and timing of habitat damage over large spatial and temporal scales requires reconstruction of the previously-existing vegetation. Satellite imagery is increasingly used for mapping and monitoring vegetation change over large areas, and archives of Landsat imagery provide consistent, spatially-extensive historical data. Previously-existing vegetation at La Pérouse Bay, Manitoba, was mapped using unsupervised classification of a 1984 Landsat TM image and ancillary information. Using a commercial clustering algorithm, sixty-three spectral clusters were produced and subsequently identified using a combination of historical and current aerial photos, current vegetation data, and knowledge of local vegetation trajectories in time. These initial clusters were then aggregated into 14 classes, resulting in a detailed map of vegetation as it was before degradation by the geese. The map was compared to earlier results documenting change in the study area. Vegetation degradation between 1973 and 1993 occurred earliest and most extensively in the salt marsh and other classes containing salt marsh vegetation. Map accuracy was assessed with current vegetation data collected independently at a number of precisely located points.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 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 ».