Trends in Coral Reef Habitats over Two Decades: Lessons Learned from Nha Trang Bay Marine Protected Area, Vietnam
Notice bibliographique
Résumé
Coral reefs are well known for their diversity and value, providing habitats for a third of marine species within just 0.2% of the ocean. However, these natural habitats face significant threats and degradation, leading to unresolved issues related to coral loss inventory, coral protection, and the implementation of long-term conservation policies. In this study, we examined two decades of changes in coral spatial distribution within the Nha Trang Bay Marine Protected Area (MPA) using remote sensing and machine learning (ML) approaches. We identified various factors contributing to coral reef loss and analyzed the effectiveness of management policies over the past 20 years. By employing the Light Gradient Boosting Machine (LGBM) and Deep Forest (DF) models on Landsat (2002, κ = 0.83, F1 = 0.85) and Planet (2016, κ = 0.89, F1 = 0.82; 2024, κ = 0.92, F1 = 0.86) images, we achieved high confidence in our inventory of coral changes. Our findings revealed that 191.38 hectares of coral disappeared from Nha Trang Bay MPA between 2002 and 2024. The 8-year period from 2016 to 2024 saw a loss of 66.32 hectares, which is in linear approximation to the 125.06 hectares lost during the 14-year period from 2002 to 2016. It is concluded that the key factors contributing to coral loss include land-use dynamics, global warming, and the impact of starfish. To address these challenges, we propose next a modern community-based management paradigm to enhance the conservation of existing coral reefs and protect potential habitats within Nha Trang Bay MPA.
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 | 0,001 | 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 | 0,001 | 0,001 |
| 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 ».