MétaCan
Menu
Retour à la cohorte
Enregistrement W1788196952 · doi:10.1186/s40317-015-0080-5

Bias correction and uncertainty characterization of Dead-Reckoned paths of marine mammals

2015· article· en· W1788196952 sur OpenAlexafffund
Yang Liu, Brian C. Battaile, Andrew W. Trites, James V. Zidek

Notice bibliographique

RevueAnimal Biotelemetry · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine animal studies overview
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNorth Pacific Research BoardUniversity of British ColumbiaNational Oceanic and Atmospheric AdministrationNational Science Foundation
Mots-clésGlobal Positioning SystemComputer scienceAlgorithmProcess (computing)GeodesyStatisticsMathematicsGeology

Résumé

récupéré en direct d'OpenAlex

Biologgers incorporating triaxial magnetometers and accelerometers can record animal movements at infra-second frequencies. Such data allow the Dead-Reckoned (DR) path of an animal to be reconstructed at high resolution. However, poor measures of speed, undocumented movements caused by ocean currents, confounding between movement and gravitational acceleration and measurement error in the sensors, limits the accuracy and precision of DR paths. The conventional method for calculating DR paths attempts to reduce random errors and systematic biases using GPS observations without rigorous statistical justification or quantification of uncertainty in the derived swimming paths. We developed a Bayesian Melding (BM) approach to characterize uncertainty and correct for bias of DR paths. Our method used a Brownian Bridge process to combine the fine-resolution (but seriously biased) DR path and the sparse (but precise and accurate) GPS measurements in a statistically rigorous way. We also exploited the properties of underlying processes and some approximations to the likelihood to dramatically reduce the computational burden of handling large, high-resolution data sets. We implemented this approach in an R package “BayesianAnimalTracker”, and applied it to bio-logging data obtained from northern fur seals ( Callorhinus ursinus ) foraging in the Bering Sea. We also tested the accuracy of our method using cross-validation analysis and compared it to the conventional bias correction of DR and linear interpolation between GPS observations (connecting two consecutive GPS observations by a straight line). Our BM approach yielded accurate, high-resolution estimated paths with uncertainty quantified as credible intervals. Cross-validation analysis demonstrated the greater prediction accuracy of the BM method to reconstruct movements versus the conventional and linear interpolation methods. Moreover, the credible intervals covered the true path points albeit with probabilities somewhat higher than 95 %. The GPS corrected high-resolution path also revealed that the total distance traveled by the northern fur seals we tracked was 40–50 % further than that calculated by linear interpolation of the GPS observations.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,244
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnimal BiotelemetryMême sujetMarine animal studies overviewTravaux en français237 207