WETLAND MAPPING IN NEW BRUNSWICK, CANADA WITH LANDSAT5-TM, ALOS-PALSAR, AND RADARSAT-2 IMAGERY
Notice bibliographique
Résumé
Abstract. Several maps of wetland areas in central New Brunswick, Canada, were produced by applying the Random Forests classifier to different combinations of optical Landsat-5 TM images, dual-polarized (HH, HV) Radarsat-2 C-band and Alos-1 PalSAR L-band Synthetic Aperture Radar (SAR) images and digital elevation data. The resulting maps were compared to 199 GPS wetland sites that were visited between 2012 and 2018 as well as to a combination of two wetland maps currently used by the Province of New Brunswick. The number of correctly identified GPS wetland sites was the highest when both the Alos-PalSAR and Radarsat-2 images are used (97.9%). This percentage of correctly identified sites were well above the accuracy of the official New Brunswick wetland maps (44.7 %). With the best-classified image, the misidentifications were due to wetlands not being classified in the right wetland class, and just one case was a wetland site being classified in a non-wetland class. For the NB wetland map, about a quarter of the wetland validation sites were classified in a non-wetland class, and about the same number of sites were classified in the wrong wetland class.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| 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) | 0,002 | 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 ».