Assessing intertidal sediment photopigment content from spectral reflectance with an UAV-mounted 10-band multispectral sensor
Notice bibliographique
Résumé
Multispectral sensors mounted to unoccupied aerial vehicles (UAVs) can be leveraged to quantify microphytobenthos (MPB) biomass in intertidal mudflats, providing data products with cm-scale pixels. However, no standard protocol currently exists for calibrating UAV-acquired spectral information to sediment MPB content. Here, we present a new protocol for calibrating data from a UAV-mounted multispectral sensor to sediment MPB biomass as measured by photopigment content. To do so, we developed a methodology for acquiring and analyzing UAV imagery and sediment photopigment field data. We then implemented the protocol in the Fraser River Estuary, Canada to build a statistically valid calibration equation, testing the effectiveness of several spectral indices and photopigment measurements. Calibrated spectral index values can provide a very accurate measurement of MPB biomass, able to achieve 90 % correlation between the normalized difference vegetation index (NDVI) and sediment chlorophyl-a (chl-a) concentration. This high performance was achieved by closely pairing georeferenced sediment samples to corresponding multispectral imagery and minimizing the lag between sediment sample collection and UAV imagery acquisition. This protocol can facilitate the use of calibrated UAV-acquired multispectral imagery for investigating ecologically-important fine-scale spatial heterogeneity of MPB biomass.
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 | 0,000 | 0,000 |
| 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 ».