USE OF LANDSAT-8 OLI IMAGERY AND LOCAL INDIGENOUS KNOWLEDGE FOR EELGRASS MAPPING IN EEYOU ISTCHEE
Notice bibliographique
Résumé
Abstract. The eastern coastline of James Bay (Eeyou Istchee) is known to be home to beds of subarctic eelgrass (Zostera marina L.). These eelgrass beds provide valuable habitat and food source for coastal and marine animals and contribute valuable ecosystem services such as stabilization of the shoreline all along the coast. Despite reports from Cree communities that eelgrass bed health has declined, limited research has been performed to assess and map the spatial distribution of eelgrass within the bay. This study aims to address that issue by evaluating the capability of Landsat-8 Operational Land Imager (OLI) imagery to establish a baseline map of eelgrass distribution in 2019 in the relatively turbid waters of Eeyou Istchee. Three images acquired in September 2019 were merged and classified using Random Forests into the following classes: Eelgrass, Turbid Water, Highly Turbid Water, and Optically Deep Water. The resulting classified image was validated against 108 ground truth data that were obtained from both the eelgrass health and Hydro-Quebec research team. The resulting overall accuracy was 78.7%, indicating the potential of the Random Forests classifier to estimate baseline eelgrass coverage in James Bay using Landsat-8 imagery. This project is part of a Cree driven project, the Coastal Habitat Comprehensive Research Program (CHCRP). The CHCRP aims to combine Cree's traditional knowledge with Western science to better understand environmental changes in the coastal ecosystems and ecosystem services of eastern James Bay. The study is funded by a MITACS grant sponsored by Niskamoon Corporation, an indigenous non-profit organization.
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 | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».