Exploring open-source multispectral satellite remote sensing as a tool to map long-term evolution of salt marsh shorelines
Notice bibliographique
Résumé
From an ecological and socio-economic perspective, salt marshes are one of the most valuable natural assets on Earth. As external pressures are causing their extensive degradation and loss globally, the ability to monitor salt marshes on a long-term scale and identify drivers of change is essential for their conservation. Remote sensing has been demonstrated to be one of the most adept methods for this purpose and open-source multispectral satellite remote sensing missions have the potential to provide worldwide long-term time-series coverage that is non-cost-prohibitive. This study derives the long-term lateral evolution of four salt marsh patches in the Ria Formosa coastal lagoon (Portugal) using data from the Sentinel-2 and Landsat missions as well as from aerial photography surveys to quantitatively examine the accuracy and associated uncertainty in using open-source multispectral satellite remote sensing for this purpose. The results show that these open-source satellite archives can be a useful tool for tracking long-term salt marsh extent dynamics. During 1976–2020, there was a net loss of salt marsh in the study area, with erosion rates reaching an average of −3.3 m/yr opposite a tidal inlet. The main source of error in the satellite results was the dataset spatial resolution limits, but the specific salt marsh shoreline environment contributed to the relative magnitude of that error. The study notes the influence of eco-geomorphological dynamics on the mapping of sedimentary environments, so far not extensively discussed in scientific literature, highlighting the difference between mapping a morphological process and a sedimentary environment.
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 | 0,001 | 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 | 0,004 |
| 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 ».