STATE-WIDE WETLAND INVENTORY MAP OF MINNESOTA USING MULTI-SOURCE AND MULTI-TEMPORALREMOTE SENSING DATA
Notice bibliographique
Résumé
Abstract. Carbon sequestration coupled with flood mitigation and other functions of wetlands, such as water filtration, coastal protection, biodiversity, and providing recreational spots, make wetland mapping and monitoring important for different countries. Google Earth Engine (GEE) cloud computing platform is becoming a very important tool for lots of environmental studies as it provides a suite of tools and access to data that facilitate large-scale environmental monitoring projects through its powerful parallel processing capabilities. In this study, we use GEE to access multi-source remote sensing datasets and implement an object-based image analysis, and random forest algorithm for the classification of wetlands in the state of Minnesota. Emergent, forested, and scrub-shrub wetland classes, water, as well as urban, forest, and agriculture land cover types were classified using Sentinel-2, Sentinel-1, USGS 3D Elevation Program 10-meter DEM, and gridded soil data. NDVI, EVI, BSI, NDBI, and NDWI spectral indices were calculated from Sentinel-2 imagery, VV and VH polarization channels, and their ratio, as well as span parameters, were calculated from Sentinel-1 imagery, and slope and aspect features were extracted from DEM. Simple Non-Iterative Clustering (SNIC), Gray-Level Co-occurrence Matrix (GLCM), Principal Components Analysis (PCA), and random forest algorithms were implemented to classify wetlands from the GEE platform. Emergent wetlands, water, urban, and agriculture classes performed well with producer accuracies greater than 90%. Sentinel-1, DEM, and soil datasets improve the identification of wetland classes and highlight the importance of multi-source approaches for wetland mapping.
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 | 0,000 |
| 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 | 0,000 | 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) | 0,001 | 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 ».