Notice bibliographique
Résumé
Instrumentation used for limnology, the studyof our world's lakes, is often developed foroceanography and then gradually crossedover as new technologies gain widespreadacceptance in the ocean community. Autonomousunderwater vehicles (AUVs) have been widelydeployed in naval operations, oil and gassurveys, and scientific studies with limitedfreshwater application. UBC-Gavia, aGavia-class AUV owned and operated bythe Environmental Fluid Mechanics group atthe University of British Columbia, has beendeployed as a monitoring and data collectionplatform for lake bottom and water columnsurveys alike.Untethered, AUVs are a powerful tool asthey can often travel to regions that would belogistically difficult or otherwise impossibleto access using more traditional surface basedsurvey tools (e.g. towed sonar arrays, ROVs,profilers, etc.). These vehicles are well suitedto polar exploration as they can be deployedfrom the ice surface with relatively lowinfrastructure cost and provide significantamounts of information on water bodies ofwhich there tends to be a dearth of collecteddata. This is essential if mankind is to betterunderstand and monitor the widespreadimpact that climate change is bringing toour Polar Regions. In the past two decades,several through-ice AUV surveys have beenconducted; however, UBC-Gavia was the firstAUV to be used in an under-ice limnologicalstudy. The three case studies presented heredemonstrate UBC-Gavia as an importantplatform for exploring our freshwaterenvironments with and without ice cover:(1) Loch Etive, Scotland; (2) Lake Ontario,Canada; and, (3) Pavilion Lake, Canada.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».