A large-scale change monitoring of wetlands using time series Landsat imagery on Google Earth Engine: a case study in Newfoundland
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
Wetlands across Canada have been, and continue to be, lost or altered under the influence of both anthropogenic and natural activities. The ability to assess the rate of change to wetland habitats and related spatial pattern dynamics is of importance for effective and meaningful management and protection, particularly under the current context of climate change. The availability of cloud-based geospatial platforms has allowed for the production of wetland maps at scales previously unfeasible due to technical limitations, yet the assessment of changes to wetlands at the level of the wetland class (bog, fen, swamp, and marsh) has yet to be implemented across Canada. Class-level change information is important when considering changes and impacts to wetland functions and services. To demonstrate this possibility, this study assessed 30 years of change to wetlands across the province of Newfoundland using Landsat imagery, spectral indices, and Random Forest classification within the Google Earth Engine (GEE) cloud-computing platform. Overall accuracies were high, ranging from 84.37% to 88.96%. In a comparison of different classifiers, Random Forest produced the highest over accuracy results and allowed for the estimation of variable importance, when compared Classification and Regression Tree (CART) and Minimum Distance (MD). The most important variables include the thermal infrared band (TIR), elevation, the difference vegetation index (DVI), the shortwave infrared bands (SWIR), and the normalized difference vegetation index (NDVI). Change detection analysis shows that bog, followed by swamp and fen, are the most common wetland classes across all time periods generally, and marsh wetlands are the least common wetland classes across all time periods respectively. The analysis also shows a general instability of wetland classes, though this is largely due to conversion from one wetland class to another. Future work may integrate RADAR data and consider weather patterns. The results of this study elucidate for the first time patterns of wetland class change across Newfoundland from 1985 to 2015 and demonstrate the potential of the GEE and Landsat historical imagery to assess change at provincial and national scales.
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 | 0,001 |
| 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