Analysis of two decades of Landsat satellite images reveals long-term changes in aquatic and terrestrial vegetation in Bimini, The Bahamas with coastal development
Notice bibliographique
Résumé
Tropical coastal ecosystems are often characterized by vegetated marine habitats, including mangroves and seagrass beds. Over past decades, these habitats have been impacted by coastal development resulting in vegetation losses with consequences for habitat-dependent species. In Bimini, The Bahamas, development has occurred in proximity to important lemon shark nursery habitats. The NASA/U.S. Geological Survey (USGS) Landsat satellite suite have captured imagery since 1984, allowing for long-term mapping to quantify habitat change. However, mapping is often limited to years with in situ habitat data for training of map classifications. Therefore, we employed the automatic adaptive signature generalisation (AASG) algorithm to map aquatic and terrestrial habitats across a 21-year time-series, requiring only 1 year of in situ habitat data. This resulted in the successful creation of 16 maps from 1999 to 2020 with high overall accuracy for identifying seagrass habitat (82%). In years of terrestrial deforestation, seagrass extent decreased, especially when deforestation was coupled with sediment deposition. However, seagrass extent rebounded within 2–5 years depending on location. Our study highlights the effectiveness of the AASG algorithm in mapping across time as well as the importance of mitigation efforts in reducing impacts on seagrass beds. This is especially important for identified consistent seagrass areas, which are in proximity to proposed future developments.
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 ».