Canada’s coastal dynamics from multi-decadal Landsat
Notice bibliographique
Résumé
An existing national-scale Landsat dynamic surface water dataset over Canada is leveraged to map coastlines in 5-year periods centred on 1987, 2003 and 2019. The spatial and temporal consistency in shoreline locations mapped due to tide level variation is verified using simulations with tide gauge data, and high-resolution WorldView-2 scenes are used to benchmark shoreline positional accuracy. Shoreline change is mapped between periods, and erosion, accretion, and stability are calculated for Canadian Arctic and southern coastal regions. Simulations indicate that the variance in mapped shoreline position due to random sampling of clear-sky Landsat pixels is similar or less than that of tide modelling used in other studies. The shoreline positional accuracy is within one Landsat pixel with a consistent seaward bias, which is comparable to benchmark results for Landsat shoreline extraction algorithms over a micro-mesotidal site with a wide intertidal zone. Between 1987 and 2003, accretion dominated in the Arctic and erosion in southern Canada. While erosion continued to dominate between 2003 and 2019 in southern regions, the Arctic region switched from being accretional to net erosional, possibly due to climatic effects overtaking isostatic rebound. A comparison of the derived coastal dynamics and the CanCoast Sensitivity Index (CSI), which represents an aggregate measure of coastal physical susceptibility to climate change, shows strong monotonic relationships in both Arctic and southern study regions, confirming the consistency between both datasets.
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 ».