Hybrid wetland city map: Improved wetland characterization through the synergy of global land cover products
Notice bibliographique
Résumé
Global wetlands are experiencing severe degradation due to climate change and human activities. Under the Ramsar Convention, the Wetland City Accreditation promotes cities to protect and sustainably manage their urban wetlands. The accreditation system was launched in 2015. To date, 43 cities worldwide have obtained this certification, whose dynamic assessment depends on precise mapping of land use and wetlands. Existing global land cover datasets often show low accuracy in identifying wetlands and limited capacity to characterize wetland types within urban areas. we developed a hybrid Wetland City Map (WCM), by fusing three global 10 m-resolution products: Dynamic World, ESA WorldCover, and ESRI Land Cover. We applied a Weighted Voting and Knowledge-based Decision Rule method to achieve this fusion. This method overcomes the limitations of the input datasets by combining their complementary strengths to improve overall wetland classification and by applying expert-derived rules to enhance the delineation of wetland types within cities. The WCM achieves an average overall accuracy of 86.93 % and a kappa of 0.825. In all cities, its accuracy surpasses the three land cover products by 2 %-26 %. The visual comparison shows WCM performs better in wetland classification and spatial detail, with F1 scores of 90.33 % (water), 64.09 % (marsh), 71.67 % (tidal flat/flooded flat), and 92.17 % (mangrove). It more accurately reflects wetland coverage and changes. Wetland coverage varies across cities, with higher coverage in Asia and lower in Europe and Africa. Individual cities experienced a maximum increase of 6.5 % and decrease of 1.3 % from 2020 to 2021.The WCM supports wetland monitoring, city accreditation, and research aligned with the Ramsar Strategic Plan and Sustainable Development Goals.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».