Monitoring Mangrove Recovery in the Bay of Assassins, Madagascar
Notice bibliographique
Résumé
Mangroves are unique plant species that support livelihoods and provide critical ecosystem services. Globally, mangroves have faced significant threats from deforestation, causing rapid decline; however, recent restoration efforts have made a positive impact. Effective restoration requires regular monitoring and evaluation to ensure its long-term success. This study aims to support mangrove restoration efforts in the Bay of Assassins, Madagascar by evaluating the utility of remote sensing technologies for short-term monitoring. Since 2015, restoration efforts in the area have achieved notable success making continued monitoring essential for sustainability. Blue Ventures’ Google Earth Mangrove Mapping Methodology (GEM), a cloud computing tool hosted on Google Earth Engine, along with Sentinel-2 satellite imagery, were leveraged to examine mangroves from 2019 to 2024. The objective was to assess and quantify mangrove growth and health dynamics, identifying trends in gain and loss over the five-year period. Previous GEM applications exclusively used Landsat imagery with each pixel representing 30 by 30 meters of ground area. This study aimed to build on this work by using the higher level of detail provided by Sentinel-2’s 10-meter resolution. The findings demonstrate that Sentinel-2 imagery, and GEM effectively captured changes in mangrove extent and health, revealing a net increase in total mangrove cover from 2019 to 2024. Mangrove health assessments using spectral indices indicated that many restored areas improved in health, while some exhibited stagnation or decline, suggesting the need for further investigation into site-specific conditions. With an average accuracy of 96% across all mangrove maps, this study successfully demonstrated the utility of the GEM tool in performing high-resolution analysis and assessing mangrove growth
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».