Detection ranges and uncertainty of passive Radio Frequency Identification (RFID) transponders for sediment tracking in gravel rivers and coastal environments
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT Since the earliest use of this technology, a growing number of researchers have employed passive Radio Frequency Identification (RFID) transponders to track sediment transport in gravel rivers and coastal environments. RFID transponders are advantageous because they are inexpensive, durable and use unique codes that allow sediment particle mobility and displacement to be assessed on a clast‐by‐clast basis. Despite these advantages, this technology is in need of a rigorous error and detection analysis. Many studies work with a precision of ~1 m, which is insufficient for some applications, and signal shadowing can occur due to clustering of tagged particles. Information on in‐field performance is also incomplete with respect to burial and submergence, especially for different transponders and antennae combinations. The objectives of this study are to qualify and quantify the factors that influence the detection zone of RFID tracers including antenna type, transponder size, transponder orientation, burial depth, submergence and clustering. Results of this study show that the detection zone is complex in shape due to a set of lobes in the detection field and provide a better understanding of transponder detection shape for different RFID transponder/antenna combinations. This study highlights a strong influence of clustering and submergence, but no significant effect of burial. Finally we propose standard operating procedures for tagging and tracking in rivers and coastal environments. Copyright © 2014 John Wiley & Sons, Ltd.
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.
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 | 0,000 |
| 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 découle