Evaluating Macroalgal Hyperspectral Reflectance Separability in Support of Kelp Mapping
Notice bibliographique
Résumé
Satellite-based Earth Observation (EO) has been proposed as an efficient, replicable, and scale-able method for monitoring kelp forests. Although kelps (Laminariales) have been mapped with multispectral EO, no evaluation of kelps’ separability across genera, and from other macroalgae, has been conducted with image-applicable methods. Since kelps and other macroalgae commonly cooccur, characterising their spectral separability is vital to defining appropriate use-cases, methods, and limitations of mapping them with EO. This work investigates the spectral reflectance separability of three kelps and twelve other macroalgae from three distinct regions of Australia and New Zealand. Separability was evaluated using hierarchical clustering, spectral angle, random forest classification, and linear discrimination classification algorithms. Random forest was most effective (average F1 score = 0.70) at classifying all macroalgae by genus, while the linear discriminant analysis was most effective at differentiating among kelp genera labelled by sampling region (average F1 score = 0.93). The observed intra-class geographic variability indicates that macroalgal spectral reflectance is regionally specific, thereby limiting reference spectrum transferability and large-spatial-extent classification accuracy. Of the four classification methods evaluated, the random forest was best suited to mapping large spatial extents (e.g., >100 s km2). Using aggregated target classes is recommended if relying solely on spectral reflectance information. This work suggests hyperspectral EO could be a useful tool in monitoring ecologically and economically valuable kelp forests with moderate to high confidence.
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 | 0,002 |
| 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) | 0,000 | 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 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 ».