Una Comparación Espacialmente Explícita de Enfoques de Modelado Cuantitativos y Categóricos para Mapear Sedimentos del Fondo Marino Usando Bosques Aleatorios
Autores: Misiuk, Benjamin; Diesing, Markus; Aitken, Alec; Brown, Craig J.; Edinger, Evan N.; Bell, Trevor
Idioma: Inglés
Editor: MDPI
Año: 2019
Acceso abierto
Artículo científico
2019
Una Comparación Espacialmente Explícita de Enfoques de Modelado Cuantitativos y Categóricos para Mapear Sedimentos del Fondo Marino Usando Bosques Aleatorios
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Ciencias de la Tierra y Geología
Palabras clave
Sedimento del fondo marino
Bosque aleatorio
Mapeo
Sedimentos finos
Sustratos gruesos
Validación cruzada
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 18
Citaciones: Sin citaciones
La composición del sedimento del lecho marino es un componente importante del hábitat bentónico y existen muchos enfoques para producir mapas que transmitan información sobre el sedimento a los gestores marinos. Random Forest es un método estadístico popular para la cartografía temática del sedimento del lecho marino utilizando enfoques de modelado supervisado tanto categóricos como cuantitativos. Este estudio compara el rendimiento y las cualidades de estos enfoques de Random Forest para predecir la distribución de sedimentos finos a partir de muestras de agarre como un componente de un mapa multimodal de clases de sedimento en la Bahía Frobisher, Nunavut, Canadá. El segundo componente predice la presencia de sustratos gruesos a partir de video submarino. Se realizaron validaciones cruzadas espaciales y no espaciales para evaluar el rendimiento de los modelos de Random Forest categóricos y cuantitativos, y se compararon los mapas para determinar las diferencias en las predicciones. Aunque ambos enfoques parecían altamente precisos, la validación cruzada no espacial sugirió una mayor precisión utilizando el enfoque categórico. Usando una validación cruzada espacial, hubo poca diferencia entre los enfoques; ambos mostraron un pobre rendimiento extrapolativo. Los métodos de validación cruzada espacial también sugirieron evidencia de sobreajuste en el modelo de sedimento grueso causado por la dependencia espacial de las muestras de transecto. El enfoque de modelado cuantitativo pudo predecir clases de sedimento raras y no muestreadas, pero la flexibilidad de las predicciones probabilísticas del enfoque categórico permitió ajustar para maximizar el rendimiento extrapolativo. Los resultados demuestran que las aparentes precisiones de estos modelos no lograron transmitir diferencias importantes entre las predicciones del mapa y que pueden ser necesarias estrategias de evaluación espacialmente explícitas para evaluar el rendimiento extrapolativo. Diferenciar entre predicciones extrapolativas e interpolativas puede ayudar en la selección de métodos de modelado apropiados.
Descripción
La composición del sedimento del lecho marino es un componente importante del hábitat bentónico y existen muchos enfoques para producir mapas que transmitan información sobre el sedimento a los gestores marinos. Random Forest es un método estadístico popular para la cartografía temática del sedimento del lecho marino utilizando enfoques de modelado supervisado tanto categóricos como cuantitativos. Este estudio compara el rendimiento y las cualidades de estos enfoques de Random Forest para predecir la distribución de sedimentos finos a partir de muestras de agarre como un componente de un mapa multimodal de clases de sedimento en la Bahía Frobisher, Nunavut, Canadá. El segundo componente predice la presencia de sustratos gruesos a partir de video submarino. Se realizaron validaciones cruzadas espaciales y no espaciales para evaluar el rendimiento de los modelos de Random Forest categóricos y cuantitativos, y se compararon los mapas para determinar las diferencias en las predicciones. Aunque ambos enfoques parecían altamente precisos, la validación cruzada no espacial sugirió una mayor precisión utilizando el enfoque categórico. Usando una validación cruzada espacial, hubo poca diferencia entre los enfoques; ambos mostraron un pobre rendimiento extrapolativo. Los métodos de validación cruzada espacial también sugirieron evidencia de sobreajuste en el modelo de sedimento grueso causado por la dependencia espacial de las muestras de transecto. El enfoque de modelado cuantitativo pudo predecir clases de sedimento raras y no muestreadas, pero la flexibilidad de las predicciones probabilísticas del enfoque categórico permitió ajustar para maximizar el rendimiento extrapolativo. Los resultados demuestran que las aparentes precisiones de estos modelos no lograron transmitir diferencias importantes entre las predicciones del mapa y que pueden ser necesarias estrategias de evaluación espacialmente explícitas para evaluar el rendimiento extrapolativo. Diferenciar entre predicciones extrapolativas e interpolativas puede ayudar en la selección de métodos de modelado apropiados.