InSAR Coherence Analysis for Wetlands in Alberta, Canada Using Time-Series Sentinel-1 Data
Notice bibliographique
Résumé
Wetlands are valuable natural resources which provide numerous services to the environment. Many studies have demonstrated the potential of various types of remote sensing datasets and techniques for wetland mapping and change analysis. However, there are a relatively low number of studies that have investigated the application of the Interferometric Synthetic Aperture Radar (InSAR) coherence products for wetland studies, especially over large areas. Therefore, in this study, coherence products over the entire province of Alberta, Canada (~661,000 km2) were generated using the Sentinel-1 data acquired from 2017 to 2020. Then, these products along with large amount of wetland reference samples were employed to assess the separability of different wetland types and their trends over time. Overall, our analyses showed that coherence can be considered as an added value feature for wetland classification and monitoring. The Treed Bog and Shallow Open Water classes showed the highest and lowest coherence values, respectively. The Treed Wetland and Open Wetland classes were easily distinguishable. When analyzing the wetland subclasses, it was observed that the Treed Bog and Shallow Open Water classes can be easily discriminated from other subclasses. However, there were overlaps between the signatures of the other wetland subclasses, although there were still some dates where these classes were also distinguishable. The analysis of multi-temporal coherence products also showed that the coherence products generated in spring/fall (e.g., May and October) and summer (e.g., July) seasons had the highest and lowest coherence values, respectively. It was also observed that wetland classes preserved coherence during the leaf-off season (15 August–15 October) while they had relatively lower coherence during the leaf-on season (i.e., 15 May–15 August). Finally, several suggestions for future studies were provided.
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 | 0,003 |
| Études des sciences et des technologies | 0,001 | 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 ».