Wetland Mapping with Landsat 8 OLI, Sentinel-1, ALOS-1 PALSAR, and LiDAR Data in Southern New Brunswick, Canada
Notice bibliographique
Résumé
Mapping wetlands with high spatial and thematic accuracy is crucial for the management and monitoring of these important ecosystems. Wetland maps in New Brunswick (NB) have traditionally been produced by the visual interpretation of aerial photographs. In this study, we used an alternative method to produce a wetland map for southern New Brunswick, Canada, by classifying a combination of Landsat 8 OLI, ALOS-1 PALSAR, Sentinel-1, and LiDAR-derived topographic metrics with the Random Forests (RF) classifier. The images were acquired in three seasons (spring, summer, and fall) with different water levels and during leaf-off/on periods. The resulting map has eleven wetland classes (open bog, shrub bog, treed bog, open fen, shrub fen, freshwater marsh, coastal marsh, shrub marsh, shrub wetland, forested wetland, and aquatic bed) plus various non-wetland classes. We achieved an overall accuracy classification of 97.67%. We compared 951 in-situ validation sites to the classified image and both the 2106 and 2019 reference maps available through Service New Brunswick. Both reference maps were produced by photo-interpretation of RGB-NIR digital aerial photographs, but the 2019 NB reference also included information from LiDAR-derived surface and ecological metrics. Of these 951 sites, 94.95% were correctly identified on the classified image, while only 63.30% and 80.02% of these sites were correctly identified on the 2016 and 2019 NB reference maps, respectively. If only the 489 wetland validation sites were considered, 96.93% of the sites were correctly identified as a wetland on the classified image, while only 58.69% and 62.17% of the sites were correctly identified as a wetland on the 2016 and 2019 NB reference maps, respectively.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».