A Generalized Semiautomated Method for Seabed Geology Classification Using Multibeam Data and Maximum Likelihood Classification
Notice bibliographique
Résumé
Parkinson, F.; Douglas, K.; Li, Z.; Meijer, A.; Stacey, C.D.; Kung, R., and Podhorodeski, A., 2024. A generalized semiautomated method for seabed geology classification using multibeam data and maximum likelihood classification. Journal of Coastal Research, 40(1), 1–16. Charlotte (North Carolina), ISSN 0749-0208. This paper presents a GIS-based model to perform semiautomated seabed classification that can act as a first-pass, pseudoclassified surficial geological map. The user can then edit the output into a finalized map in less time than by manual classification. The model uses maximum likelihood classification with unsupervised classification through iterative self-organizing clusters. This model is fully contained within the ArcGIS software suite as a ModelBuilder workflow composed of geoprocessing tools and Python script tools. Model inputs tested include different combinations of multibeam echosounder–derived data: slope, backscatter, and terrain ruggedness. Furthermore, to test the assumption of Gaussian distribution of input data required for maximum likelihood classification, Box–Cox power transformations were applied to slope and backscatter data and were used as model inputs. To illustrate the performance of the model, two locations are highlighted as case studies: Milbanke Sound and Spiller Channel, located on the central coast of British Columbia, Canada. Association between model outputs and ground-truth classes was generally weak to moderate when measured using Cramér's V association scores. Overall, the slope and backscatter parameter model had the highest scores of association. Results from an overlay analysis comparing model outputs with user-confirmed polygons show that the slope and backscatter model performs best in regions with distinct changes in the hardness of sediments but that in fjord regions dominated geologically by steeper bathymetric change, the slope parameter model may perform better. However, all model outputs had difficulty delineating bedrock units. The model has the flexibility to identify certain seabed habitat features as well, including glass sponge reefs—biologically active bioherms that have led to marine protected area designations in other areas of British Columbia.
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 | 0,010 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».