Beaver pond identification from multi-temporal and multi- sourced remote sensing data
Notice bibliographique
Résumé
The maintenance and restoration of wetland habitat is a priority conservation action for most waterfowl and other wetland-dependent species in North America. Despite much progress in targeting habitat management in staging and wintering areas, methods to identify and target high-quality breeding habitats that result in the greatest potential for wildlife are still required. This is particularly true for species that breed in remote, inaccessible areas such as the American black duck, an intensively managed game bird in Eastern North America. Although evidence suggests that black ducks prefer productive, nutrient-rich waterbodies, such as beaver ponds, information about the distribution and quality of these habitats across the vast boreal forest is lacking with accurate identification remaining a challenge. Continuing advancements in remote sensing technologies that provide spatially extensive and temporally repeated information are particularly useful in meeting this information gap. In this study, we used multi-source remotely sensed information and a fuzzy analytical hierarchy process to map the spatial distribution of beaver ponds in Ontario. The use of multi-source data, including a Digital Elevation Model, a Sentinel-2 Multi-Spectral Image, and RadarSat 2 Polarimetric data, enabled us to identify individual beaver ponds on the landscape. Our model correctly identified an average of 83.0% of the known beaver dams and 72.5% of the known beaver ponds based on validation with an independent dataset. This study demonstrates that remote sensing is an effective approach for identifying beaver-modified wetland features and can be applied to map these and other wetland habitat features of interest across large spatial extents. Furthermore, the systematic acquisition strategy of the remote sensors employed is well suited for monitoring changes in wetland conditions that affect the availability of habitats important to waterfowl and other wildlife.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».