A Rule-Based Classification Method for Mapping Saltmarsh Land-Cover in South-Eastern Bangladesh from Landsat-8 OLI
Notice bibliographique
Résumé
Wetland vegetation classification often treated the saltmarsh as a single type of land-cover (LCT). Mapping the dynamic and spatially complex coastal zones using optical remote sensing is still challenging. This study firstly analyzed the spectral properties of target objects generated by Landsat 8 (OLI), formulated new spectral indices and then proposes a rule-based approach to mapping five vegetated (saltmarsh, seagrass, mangrove, non-mangrove forest, and agricultural land) and three non-vegetated (wet sand, saltpan, and built-up areas) LCT in the study area, that is, large coasts located in the south-eastern coasts of Bangladesh. The thresholds of spectral indices were selected from the newly introduced spectral indices over the method development site (Bakkhali estuary). The rule-based LCT classification process followed a set of cascade rules of image thresholding and masking, based on a hierarchical tree in order to generate detailed thematic maps of saltmarsh land-cover. Overall accuracy (OA) and Kappa coefficient (K) of rule-based approach were 84.6% and 0.821, respectively. The reliability and robustness of the approach was tested over two independent external validation test sites: Karnaphuli river estuary and Teknaf peninsula and consistent accuracy results achieved: OA = 81.7% (K = 0.787) and OA = 84.6% (K = 0.821) 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 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 ».