Monitoring seasonal hydrological dynamics of minerotrophic peatlands using multi-date GeoEye-1 very high resolution imagery and object-based classification. Remote Sens
Notice bibliographique
Résumé
Canada), is a major contributor to the production of hydroelectricity in the province. Peatlands cover up to 20 % of the terrestrial environment in this region. Their hydrological behavior is not well understood. The present study is part of a multidisciplinary project which is aimed at analyzing the hydrological processes in these minerotrophic peatlands (fens) in order to provide effective monitoring tools to water managers. The objective of this study was to use VHR remote sensing data to understand the seasonal dynamics of the hydrology in fens. A series of 10 multispectral pan-sharpened GeoEye-1 images (with a spatial resolution of 40 cm) were acquired during the snow-free season (May to October) in 2009 and 2010, centered on two study sites in the Laforge sector (54°06'N; 72°30'W). These are two fens instrumented for continuous hydrometeorological monitoring (water level, discharge, precipitation, air temperature). An object-based classification procedure was set up and applied. It consisted of segmenting the imagery into objects using the multiresolution segmentation algorithm (MRIS) to delineate internal structures in the peatlands (aquatic, semi-aquatic, and terrestrial). Then, the objects were labeled using a fuzzy logic based algorithm. The overall classification accuracy of the 10 images was
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 ».