Using visible-near-infrared spectroscopy to classify lichens at a Neotropical Dry Forest
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
The optical properties of lichens have been traditionally explored in the context of geological mapping where the encrustation of lichens on rocks may influence the detection of minerals of interest. As of today, few studies have looked into the potential of using the optical properties of lichens to classify them; however, none has investigated the classification of tropical lichens using spectroscopy. Here we explore the use of the visible-near infrared reflectance (VNIR; 450–1000 nm) to discriminate Neotropical corticolous lichens; the most abundant lichens in tropical forests. Reflectance measurements on lichens and their bark substrate were performed on 282 lichens samples of 32 species attached to their host's bark. Using these measurements, we first explored the degree of spectral mixing of bark and lichens by linear unmixing each lichen spectrum with the corresponding average species spectrum and bark spectrum. Overall, the results reveal that the lichen signatures tend to mask the spectral contributions from bark; however, there are some specific groups of species with high bark mixing probably due to their nature and the similarities between the lichen and bark spectra. Next, we classified the lichen spectra based on growth forms and taxonomic ranks (i.e., family, genus, species) using five machine learning classifiers. This analysis was conducted on raw reflectance spectra and wavelet-transformed spectra to enhance the absorption features prior to classification. As expected, the classification of lichen spectra is less accurate at species-specific levels, rather than higher taxonomic ranks. The wavelet transformation was found to enhance the general performance of classification; however, the accuracy of the classification depends on the classifier. Of the classifiers used in this study, linear discrimination applied to reflectance spectra presents the highest performance at the species level. Our results reveal the potential of using the VNIR reflectance as a method to discriminate Neotropical lichens. The introduced methodology may be conducted in the field, thus allowing the monitoring of lichen communities in forests; thereby furthering the current understanding of the role of lichens in ecosystem functioning.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,004 |
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