Change detection of wetland vegetation under contrasting water-level scenarios in coastal marshes of eastern Georgian Bay
Notice bibliographique
Résumé
Abstract Context Global climate change has resulted in extreme water-level (WL) fluctuations in Eastern Georgian Bay (EGB) and has affected its high-quality wetlands. Beginning in 1999, EGB experienced 14 years of extremely low water levels (Period 1), followed by 6 years of rapidly increasing water levels starting from 2014 (Period 2). During Period 1, trees and shrubs invaded the high marsh, but with inundation, they died out and transitioned into the novel Dead Tree (DT) Zone (DTZ) during Period 2. Objectives We related long-term changes in wetlands vegetation zonation to different levels of anthropogenic impacts and the Vulnerability Index (VI) scores and wetland sensitivity to WL extremes. Methods We used images acquired in 2002–2003 (IKONOS) and 2019 (KOMPSAT-3 and Pleiades-1A/1B) for four areas (19 wetlands) in EGB with varying anthropogenic impact. We used object-based classification to map land cover in two periods, followed by change detection. We related the percent areal cover of DT in wetlands to corresponding VI scores. Results We obtained > 85% overall and > 70% DT mapping accuracies. Wetlands with the least anthropogenic impact had the smallest DTZ. Percentage areal cover of the DTZ was significantly and positively correlated with wetland VI. Without exception, the amount of meadow marsh in wetlands was significantly reduced in Period 2. Conclusions Wetlands with higher VI scores and anthropogenic impact were associated with greater changes in wetland zonation and conversion into DTZ following extremes in water levels. This study provides important insights into how coastal marshes in EGB are responding to extreme water-level fluctuations induced by climate change.
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 | 0,001 | 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 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 ».