Reef-insight：一种基于聚类方法与遥感技术的礁体生境制图框架
机器学习
2023-06-29 v2 人工智能
计算机视觉与模式识别
摘要
鉴于气候变化以及污染和极端气候事件的剧烈影响，环境破坏尤其是沿海地区和海洋的环境破坏备受关注。我们当今的分析能力，连同遥感等信息获取技术的进展，可用于珊瑚礁生态系统的管理与研究。在本文中，我们提出 Reef-Insight，一个具有先进聚类方法和遥感的无人监督机器学习框架，用于礁体生境制图。我们的框架利用遥感数据比较了不同的礁体生境制图聚类方法。我们基于定性和视觉评估评价了四种主要聚类方法，包括 k-means、层次聚类、高斯混合模型和基于密度的聚类。我们利用涵盖澳大利亚南大堡礁 One Tree Island 礁的遥感数据。我们的结果表明，与其他研究相比，使用遥感数据的聚类方法能很好地识别礁体中的底栖和地貌聚类。我们的结果表明，Reef-Insight 能生成描绘不同礁体生境的详细礁体生境图，并有可能为礁体修复项目提供进一步见解。
引用
@article{arxiv.2301.10876,
title = {Reef-insight: A framework for reef habitat mapping with clustering methods via remote sensing},
author = {Saharsh Barve and Jody M. Webster and Rohitash Chandra},
journal= {arXiv preprint arXiv:2301.10876},
year = {2023}
}