Wetland Change Analysis in Alberta, Canada Using Four Decades of Landsat Imagery
Notice bibliographique
Résumé
In this study, wetland trends in Alberta were investigated in the past four decades using Landsat satellite imagery to produce updated information about wetland changes and to prevent further degradation of these valuable natural resources. All the processing steps and analyses were conducted in Google Earth Engine (GEE) to produce 16 wetland maps from 1984 to 2020. A comprehensive change analysis showed (1) approximately 18% of the province was subjected to change; (2) in terms of wetland classes, there was a decreasing trend for the Shallow Water and Swamp classes and an increasing trend for the Fen and Marsh classes; (3) in terms of non-wetland classes, there was a considerable decreasing trend for the Forest class and increasing trend for the Grassland/Shrubland class; (4) wetland loss was approximately 22,000 km2, which was mainly due to the conversion of wetlands to Forest and Grassland/Shrubland; (5) wetland gain was approximately 24,000 km2, which was mainly due to the conversion from the Forest class to wetlands, especially the Swamp and Fen classes; (6) The highest class transition was from Cropland to Grassland/Shrubland and vice versa (29,000 km2), from Forest to different wetland classes (18,000 km2), and from Fen to Forest (6,000 km2). In summary, the results of this study provided the first comprehensive information on wetland trends in Alberta over the past 37 years and will assist policymakers to adjust the required/established policies to mitigate the potential wetland changes due to anthropogenic activities and climate-related events.
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 | 0,001 |
| 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 ».