Development of Land-Use/Land-Cover Maps Using Landsat-8 and MODIS Data, and Their Integration for Hydro-Ecological Applications
Notice bibliographique
Résumé
The Athabasca River watershed plays a dominant role in both the economy and the environment in Alberta, Canada. Natural and anthropogenic factors rapidly changed the landscape of the watershed in recent decades. The dynamic of such changes in the landscape characteristics of the watershed calls for a comprehensive and up-to-date land-use and land-cover (LULC) map, which could serve different user-groups and purposes. The aim of the study herein was to delineate a 2016 LULC map of the Athabasca River watershed using Landsat-8 Operational Land Imager (OLI) images, Moderate Resolution Imaging Spectroradiometer (MODIS)-derived enhanced vegetation index (EVI) images, and other ancillary data. In order to achieve this, firstly, a preliminary LULC map was developed through applying the iterative self-organizing data analysis (ISODATA) clustering technique on 24 scenes of Landsat-8 OLI. Secondly, a Terra MODIS-derived 250-m 16-day composite of 30 EVI images over the growing season was employed to enhance the vegetation classes. Thirdly, several geospatial ancillary datasets were used in the post-classification improvement processes to generate a final 2016 LULC map of the study area, exhibiting 14 LULC classes. Fourthly, an accuracy assessment was carried out to ensure the reliability of the generated final LULC classes. The results, with an overall accuracy and Cohen's kappa of 74.95% and 68.34%, respectively, showed that coniferous forest (47.30%), deciduous forest (16.76%), mixed forest (6.65%), agriculture (6.37%), water (6.10%), and developed land (3.78%) were the major LULC classes of the watershed. Fifthly, to support the data needs of scientists across various disciplines, data fusion techniques into the LULC map were performed using the Alberta merged wetland inventory 2017 data. The results generated two useful maps applicable for hydro-ecological applications. Such maps depicted two specific categories including different types of burned (approximately 6%) and wetland (approximately 30%) classes. In fact, these maps could serve as important decision support tools for policy-makers and local regulatory authorities in the sustainable management of the Athabasca River watershed.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».