ARTICLE Mapping Floating and Emergent Aquatic Vegetation in Coastal Wetlands of Eastern Georgian Bay,
Notice bibliographique
Résumé
Abstract Expansion and contraction of floating and emer-gent vegetation due to fluctuating water levels has a direct impact on the amount of critical fish habitat in the coastal marshes of Georgian Bay, Lake Huron (Canada). Traditional mapping approaches developed for site-specific studies are too expensive to quantify such changes at the scale of Georgian Bay. Here, we use IKONOS images to develop a classification method (process-tree classification (PTC)), an automated, object-based, image-analysis approach that can produce regional maps of wetland habitat for south-eastern Georgian Bay (1466.7 Km). PTC discriminated among six wetland habitat classes (emergent, high-density floating, low-density floating, meadow, water, and rock) in four IKONOS satellite images with a mean accuracy of 87.4%. The PTCwas then applied without modification to 17 other IKONOS images collected concurrently in 2002. Based on analysis of 50 randomly chosen wetlands in these images, we estimate that at 2002 water levels, at least 25 % of an average wetland (6.5 ha) contains potential fish habitat. Although the PTC developed is specific to the 21 IKONOS images used in this study, the framework is transferable to satellite images acquired in other regions of Georgian Bay, and the approach itself could be applied to other large lakes.
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 | 0,000 |
| 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 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 ».