Meta-Analysis of Wetland Classification Using Remote Sensing: A Systematic Review of a 40-Year Trend in North America
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
North America is covered in 2.5 million km2 of wetlands, which is the remainder of an estimated 56% of wetlands lost since the 1700s. This loss has resulted in a decrease in important habitat and services of great ecological, economic, and recreational benefits to humankind. To better manage these ecosystems, since the 1970s, wetlands in North America have been classified with increasing regularity using remote sensing technology. Since then, optimal methods for wetland classification by numerous researchers have been examined, assessed, modified, and established. Over the past several decades, a large number of studies have investigated the effects of different remote sensing factors, such as data type, spatial resolution, feature selection, classification methods, and other parameters of interest on wetland classification in North America. However, the results of these studies have not yet been synthesized to determine best practices and to establish avenues for future research. This paper reviews the last 40 years of research and development on North American wetland classification through remote sensing methods. A meta-analysis of 157 relevant articles published since 1980 summarizes trends in 23 parameters, including publication, year, study location, application of specific sensors, and classification methods. This paper also examines is the relationship between several remote sensing parameters (e.g., spatial resolution and type of data) and resulting overall accuracies. Finally, this paper discusses the future of remote sensing of wetlands in North America with regard to upcoming technologies and sensors. Given the increasing importance and vulnerability of wetland ecosystems under the climate change influences, this paper aims to provide a comprehensive review in support of the continued, improved, and novel applications of remote sensing for wetland mapping across North America and to provide a fundamental knowledge base for future studies in this field.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,003 |
| Bibliométrie | 0,000 | 0,005 |
| 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