A Neural Network Method to Determine the Presence or Absence of Permafrost near Mayo, Yukon Territory, Canada
A neural network was used to predict the presence or absence of the permafrost table within 1.5 m below the ground surface, over two study areas near Mayo, Yukon Territory. Input sources used in neural network classifications included land cover (derived from Landsat Thematic Mapper (TM) imagery), e...
Main Authors: | , |
---|---|
Format: | Article in Journal/Newspaper |
Language: | unknown |
Subjects: | |
Online Access: | https://doi.org/10.1002/(SICI)1099-1530(199732)8:23.0.CO;2-5 |
id |
ftrepec:oai:RePEc:wly:perpro:v:8:y:1997:i:2:p:205-215 |
---|---|
record_format |
openpolar |
spelling |
ftrepec:oai:RePEc:wly:perpro:v:8:y:1997:i:2:p:205-215 2023-05-15T17:10:30+02:00 A Neural Network Method to Determine the Presence or Absence of Permafrost near Mayo, Yukon Territory, Canada David W. Leverington Claude R. Duguay https://doi.org/10.1002/(SICI)1099-1530(199732)8:23.0.CO;2-5 unknown https://doi.org/10.1002/(SICI)1099-1530(199732)8:23.0.CO;2-5 article ftrepec https://doi.org/10.1002/(SICI)1099-1530(199732)8:23.0.CO;2-5 2020-12-04T13:31:25Z A neural network was used to predict the presence or absence of the permafrost table within 1.5 m below the ground surface, over two study areas near Mayo, Yukon Territory. Input sources used in neural network classifications included land cover (derived from Landsat Thematic Mapper (TM) imagery), equivalent latitude, aspect, and TM band 6 (thermal infrared imagery). For the first study area, maximum median agreement between predicted and field‐measured permafrost‐table conditions, produced using land cover and equivalent latitude data as input to the neural network, was over 90%. The agreement percentage produced by classification of the second study area, using land cover and equivalent latitude, and using correlative permafrost–surface relations from the first study area, was 60%. Training data, the portability of which is critical in region‐wide predictions of active‐layer conditions, cannot be transferred between the two study areas examined here. © 1997 John Wiley & Sons, Ltd. Un réseau neural a été utilisé pour prédire la présence ou l'absence d'une table de pergélisol dans le 1,5 m qui se trouve sous la surface du sol dans deux sites étudiés près de Mayo, dans le Yukon. Les données introduites dans le réseau comprennent la couverture du sol (d'après un image Landsat TM), la latitude équivalente, l'aspect et l'image thermique infra‐rouge (TM bande 6). Pour la première région étudiée, l'accord maximum médian entre les conditions prédites par le modèle et les conditions mesurées sur le terrain en utilisant seulement la couverture du sol et la latitude équivalente a été supérieure à 90%. Le pourcentage de concordance résultant de l'utilisation des mêmes données dans le second site en utilisant les relations utilisées dans le premier site, n'a été que de 60%. Les relations obtenues en un endroit pour prédire les conditions de la couche active ne sont donc pas transférables entre les deux régions qui ont été considérées ici. © 1997 John Wiley & Sons, Ltd. Article in Journal/Newspaper Mayo permafrost pergélisol Yukon RePEc (Research Papers in Economics) Yukon Canada |
institution |
Open Polar |
collection |
RePEc (Research Papers in Economics) |
op_collection_id |
ftrepec |
language |
unknown |
description |
A neural network was used to predict the presence or absence of the permafrost table within 1.5 m below the ground surface, over two study areas near Mayo, Yukon Territory. Input sources used in neural network classifications included land cover (derived from Landsat Thematic Mapper (TM) imagery), equivalent latitude, aspect, and TM band 6 (thermal infrared imagery). For the first study area, maximum median agreement between predicted and field‐measured permafrost‐table conditions, produced using land cover and equivalent latitude data as input to the neural network, was over 90%. The agreement percentage produced by classification of the second study area, using land cover and equivalent latitude, and using correlative permafrost–surface relations from the first study area, was 60%. Training data, the portability of which is critical in region‐wide predictions of active‐layer conditions, cannot be transferred between the two study areas examined here. © 1997 John Wiley & Sons, Ltd. Un réseau neural a été utilisé pour prédire la présence ou l'absence d'une table de pergélisol dans le 1,5 m qui se trouve sous la surface du sol dans deux sites étudiés près de Mayo, dans le Yukon. Les données introduites dans le réseau comprennent la couverture du sol (d'après un image Landsat TM), la latitude équivalente, l'aspect et l'image thermique infra‐rouge (TM bande 6). Pour la première région étudiée, l'accord maximum médian entre les conditions prédites par le modèle et les conditions mesurées sur le terrain en utilisant seulement la couverture du sol et la latitude équivalente a été supérieure à 90%. Le pourcentage de concordance résultant de l'utilisation des mêmes données dans le second site en utilisant les relations utilisées dans le premier site, n'a été que de 60%. Les relations obtenues en un endroit pour prédire les conditions de la couche active ne sont donc pas transférables entre les deux régions qui ont été considérées ici. © 1997 John Wiley & Sons, Ltd. |
format |
Article in Journal/Newspaper |
author |
David W. Leverington Claude R. Duguay |
spellingShingle |
David W. Leverington Claude R. Duguay A Neural Network Method to Determine the Presence or Absence of Permafrost near Mayo, Yukon Territory, Canada |
author_facet |
David W. Leverington Claude R. Duguay |
author_sort |
David W. Leverington |
title |
A Neural Network Method to Determine the Presence or Absence of Permafrost near Mayo, Yukon Territory, Canada |
title_short |
A Neural Network Method to Determine the Presence or Absence of Permafrost near Mayo, Yukon Territory, Canada |
title_full |
A Neural Network Method to Determine the Presence or Absence of Permafrost near Mayo, Yukon Territory, Canada |
title_fullStr |
A Neural Network Method to Determine the Presence or Absence of Permafrost near Mayo, Yukon Territory, Canada |
title_full_unstemmed |
A Neural Network Method to Determine the Presence or Absence of Permafrost near Mayo, Yukon Territory, Canada |
title_sort |
neural network method to determine the presence or absence of permafrost near mayo, yukon territory, canada |
url |
https://doi.org/10.1002/(SICI)1099-1530(199732)8:23.0.CO;2-5 |
geographic |
Yukon Canada |
geographic_facet |
Yukon Canada |
genre |
Mayo permafrost pergélisol Yukon |
genre_facet |
Mayo permafrost pergélisol Yukon |
op_relation |
https://doi.org/10.1002/(SICI)1099-1530(199732)8:23.0.CO;2-5 |
op_doi |
https://doi.org/10.1002/(SICI)1099-1530(199732)8:23.0.CO;2-5 |
_version_ |
1766067087592128512 |