An effective online platform for crowd classification of coastal wetland loss
An effective online platform for crowd classification of coastal wetland loss
复制标题
滨海湿地损失人群分类的有效在线平台
DOI：
10.1111/csp2.12844
复制
发表时间：
2022
影响因子：
3.1
通讯作者：
Wylie, Sara
中科院分区：
文献类型：
--
作者：
Spatharioti, Sofia Eleni;Boetsch, Eliza;Eustis, Scott;Gandhi, Kutub;Rota, Matt;Apte, Archana;Cooper, Seth;Wylie, Sara
湿地流失正在迅速增加，公众对这一问题的认识存在差距。通过众包湿地形态的图像分析，学术和政府研究可以得到补充和加速，同时参与和教育公众。土地流失瞭望台(LLL)项目通过众包方式绘制了与湿地丧失和恢复相关的湿地形态地图。我们证明，志愿者可以相对容易地在网上接受培训，以识别独特的湿地地貌，或景观上存在的暗示特定地貌过程的模式。路易斯安那州沿海的一项案例研究结果显示，非专家和专家评估的结果非常一致，他们至少有83%，至多有94%的时间同意分类。参与者自我报告说，在参与该项目后，他们对湿地损失的了解有所增加。人群识别的形态与预期是一致的，尽管需要更多的工作来直接将LLL结果与先前的研究进行比较。这项工作为使用基于人群的湿地损失分析来提高公众对这一问题的认识以及对土地调查或训练机器学习算法的贡献提供了基础。
Wetland loss is increasing rapidly, and there are gaps in public awareness of the problem. By crowdsourcing image analysis of wetland morphology, academic and government studies could be supplemented and accelerated while engaging and educating the public. The Land Loss Lookout (LLL) project crowdsourced mapping of wetland morphology associated with wetland loss and restoration. We demonstrate that volunteers can be trained relatively easily online to identify characteristic wetland morphologies, or patterns present on the landscape that suggest a specific geomorphological process. Results from a case study in coastal Louisiana revealed strong agreement among nonexpert and expert assessments who agreed on classifications at least 83% and at most 94% of the time. Participants self‐reported increased knowledge of wetland loss after participating in the project. Crowd‐identified morphologies are consistent with expectations, although more work is needed to directly compare LLL results with previous studies. This work provides a foundation for using crowd‐based wetland loss analysis to increase public awareness of the issue, and to contribute to land surveys or train machine learning algorithms.
登录
查看更多内容
扭转因 35,000 次砍伐造成的湿地死亡：恢复路易斯安那州疏浚运河的机会
影响因子：
3.7
作者：
R. Turner;Giovanna M. McClenachan
通讯作者：
Giovanna M. McClenachan
在上涨的水位中向上爬：基础设施和减灾规划中的社区科学作为社区控制和洪水抗灾能力的途径
DOI：
--
发表时间：
2022
期刊：
Citizen Science: Theory and Practice
影响因子：
--
作者：
Marccus D. Hendricks;M. Meyer;Sacoby M. Wilson
通讯作者：
Sacoby M. Wilson
影响因子：
1.7
作者：
Tuck, Eve
通讯作者：
Tuck, Eve
新西兰坎特伯雷灌溉农田的检测和绘图
DOI：
--
发表时间：
2011
期刊：
IEEE International Geoscience and Remote Sensing Symposium
影响因子：
--
作者：
D. Pairman;S. Belliss;James A. Cuff;S. McNeill
通讯作者：
S. McNeill
农田占领 - 一款改善全球农田地图的游戏
DOI：
--
发表时间：
2015
期刊：
International Conference on Foundations of Digital Games
影响因子：
--
作者：
T. Sturn;S. Fritz;M. Wimmer
通讯作者：
M. Wimmer