Discrimination of 3 dominant mangrove species from the Pacific coast of Mexico by spectroscopy on intact leaves
Notice bibliographique
Résumé
Spectral discrimination of mangrove leaves is the first step in classifying remotely sensed imagery of mangrove forests. The objective of this study was to analyze spectroscopic data on leaves from the upper and lower parts of mangrove canopies to discriminate species and physiognomic types. Leaf samples from the upper and lower parts of the canopies of 3 mangrove species (Avicennia germinans, Laguncularia racemosa, and Rhizophora mangle) in 2 physiognomic types (basin and fringe) were collected during 2 seasons (dry and rainy). Probability distribution and first-derivative plots were generated for every wavelength (450–1,000 nm) detected in all samples. With the plots, optimal wavelengths were selected and subsequently verified with a canonical discriminant analysis. Results indicated that all species in basin mangrove forests showed a unique distinction between the upper and lower leaves during the dry season. By contrast, species in fringe mangrove forests did not show this difference during both seasons. Optimal wavelengths for species discrimination were located between 540–560 nm and 700–720 nm, which correspond to the green and red-edge wavebands, respectively. Future studies using remote sensing data with the aforementioned wavebands can be conducted to discriminate physiognomic mangrove forest types and to increase accuracy in the classification of mangroves at the canopy level on the Pacific coast of Mexico.
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 ».