Monitoring soil degradation using Sentinel-2 imagery and statistical analysis of spectral indices in a semi-arid watershed of the Moroccan High Atlas
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The existence of serious water erosion problems in different parts of a watershed is often evidenced by the presence of high levels of suspended sediment in watercourses. The indirect assessment of erosion through the measurement of suspended sediments transported to catchment outlets serves as a robust indicator of the environmental impact of agricultural practices. The aim of this study is to propose a model for assessing the risk of soil degradation in the upstream Tassaoute watershed (in the Moroccan High Atlas). The methodology is based on the statistical analysis of spectral indices derived from Sentinel-2A satellite images acquired during the year 2021, including four vegetation indices and nine soil indices. These indices are aggregated to form a composite image (the independent variable), which is then subjected to regression analysis against the individual indices (the dependent variable) to determine correlation coefficients and coefficients of determination. Principal Component Analysis (PCA) is then used to condense the information from all the spectral indices, providing factorial coordinates and facilitating the identification of positive and negative correlations. The principal component captures soil-related information, while the secondary component focuses on vegetation characteristics. The final predictive model is developed by assigning weights to each index based on its coefficient of determination and the coordinates of the factors. This approach produces a quantitative map delineating four categories of soil potentially at risk of degradation. The results show that incorporating the spectral bands of Sentinel-2A’s C-MSI sensor into the calculation considerably improves accuracy and provides an accurate representation of ground reality.
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.
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 | 0,003 |
| 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 découle