Comparison Between Sentinel-2 and Landsat in Mapping Mangroves in The Gambia Using the Google Earth Engine Mangrove Mapping Methodology (GEM v2)
Notice bibliographique
Résumé
Mangroves play a vital role in coastal environments by supporting biodiversity, protecting shorelines, and storing carbon. However, these ecosystems are under growing pressure from land use change, development, and rising sea levels. Monitoring changes in mangrove cover is essential for guiding conservation and management efforts, but on the ground, methods are often time-consuming, expensive, and difficult to carry out across large or remote areas. This is where remote sensing offers a practical solution. By using satellite imagery, it becomes possible to track changes in mangrove extent over time, detect patterns of loss and regrowth, and support decision-making at both local and national levels. This study compared the effectiveness of Sentinel-2 and Landsat satellite data in mapping mangrove dynamics in The Gambia, using the Google Earth Engine Mangrove Mapping Methodology version 2 (GEM v2) from Blue Venture, a marine and conservation organization. A Random Forest classifier was applied to classify land cover types, and the accuracy of each dataset was evaluated. Sentinel-2 was better at detecting small, detailed changes, including narrow strips of loss and early signs of regrowth. Landsat, while less detailed, provided more stable classifications across broader areas. Sentinel-2 also showed greater variation in spectral data, which led to more classification errors in some mangrove classes, while Landsat maintained higher overall accuracy. The results show that both datasets have strengths, Sentinel-2 is well-suited for close-up monitoring of small-scale changes, while Landsat is reliable for long-term, large-scale analysis. A combined approach using both sensors may offer the complete overview of mangrove change. Future studies should consider using field data from the same area to improve classification accuracy and support more effective monitoring and protection of mangrove ecosystems.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 ».