Catalogus

Zoeken

Zoeken kan via de modus 'eenvoudig zoeken' (één veld) of uitgebreid via 'geavanceerd zoeken' (meerdere velden). Zo kan je bv. zoeken op een combinatie van een auteursnaam (auteur), een jaartal (jaar) en een documenttype.

Boekenmand

Nuttige resultaten kan je aanvinken en toevoegen aan een mandje. De inhoud hiervan kan je exporteren of afdrukken (naar bv. PDF).

RSS

Op de hoogte blijven van nieuw toegevoegde publicaties binnen uw interessegebied? Dit kan door een RSS-feed (?) te maken van jouw zoekopdracht.

log in

Publicaties | Kaarten

nieuwe zoekopdracht

[ meld een fout in dit record ]

mandje (0): toevoegen | toon

---

Hybrid hidden Markov model for marine environment monitoring Rousseeuw, K.; Poisson Caillault, E.; Lefebvre, A.; Hamad, D. (2015). Hybrid hidden Markov model for marine environment monitoring. IEEE J. Sel. Top. Appl. Earth Observ. Remote Sens. 8(1): 204-213. https://dx.doi.org/10.1109/jstars.2014.2341219 In: IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. IEEE: Piscataway. ISSN 1939-1404; e-ISSN 2151-1535

---

Beschikbaar in	Auteurs
VLIZ: Non-open access 308820 [ aanvragen ]

---

Author keywords

Markov model; Phytoplankton blooms; spectral clustering; marine water monitoring

---

Auteurs		Top
Rousseeuw, K. Poisson Caillault, E. Lefebvre, A. Hamad, D.

---

Abstract

Phytoplankton is an important indicator of water quality assessment. To understand phytoplankton dynamics, many fixed buoys and ferry boxes were implemented, resulting in the generation of substantial data signals. Collected data are used as inputs of an effective monitoring system. The system, based on unsupervised hidden Markov model (HMM), is designed not only to detect phytoplancton blooms but also to understand their dynamics. HMM parameters are usually estimated by an iterative expectation-maximization (EM) approach. We propose to estimate HMM parameters by using spectral clustering algorithm. The monitoring system is assessed based on database signals from MAREL-Carnot station, Boulogne-sur-Mer, France. Experimental results show that the proposed system is efficient to detect environmental states such as phytoplankton productive and nonproductive periods without a priori knowledge. Furthermore, discovered states are consistent with biological interpretation.

---

Alle informatie in het Integrated Marine Information System (IMIS) valt onder het VLIZ Privacy beleid

Top | Auteurs