Spectrum of the lakes: using satellite remote sensing to unveil water color in Minnesota's Sentinel Lakes for water quality monitoring
Notice bibliographique
Résumé
Traditional water quality monitoring methods often face limitations due to equipment costs and labor demands. To effectively assess the ecological health of inland lakes across vast areas, innovative approaches are needed. This research explores the application of free, publicly available water color chromaticity analysis for midcontinent lakes in Minnesota, USA. We analyzed water color variations in Minnesota's Sentinel Lakes. Using Landsat 8 OLI data, we analyzed surface reflectance samples collected from the deepest area within each lake during the late summer, corresponding to peak annual insolation and trophic activity. The median dominant visible wavelength was used to characterize water color. Results indicate a prevalence of green-yellow hues (∼575 nm), indicating the presence of photosynthetic activity and suspended solids. Regional variations were also observed across Minnesota. Red colors were common in the northeast and south, while blue colors were scarce. Statistical analysis revealed color was not unique to any ecoregions however, sentinel lakes within an ecoregion were proven to have the same color. In the Canadian Shield ecoregion, annual water color variations were attributed to forested catchments and undisturbed hydrology. Using mDVW (median dominant visible wavelength) to observe decadal patterns of water color can serve as a baseline for identifying anomalies and guide resourceful investigations.
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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».