Detection and characterization of benthic filamentous algal stands (<i>Cladophora</i> sp.) on rocky substrata using a high‐frequency echosounder
Notice bibliographique
Résumé
A high‐frequency echosounder was used to detect and characterize percent cover and stand height of the benthic filamentous green alga Cladophora sp. on rocky substratum of the Laurentian Great Lakes. Comparisons between in situ observations and estimates of the algal stand characteristics (percent cover, stand height) derived from the acoustic data show good agreement for algal stands that exceeded the height threshold for detection by acoustics (~7.5 cm). Backscatter intensity and volume scattering strength were unable to provide any predictive power for estimating algal biomass. A comparative analysis between the only current commercial software (EcoSAV™) and an alternate method using a graphical user interface (GUI) written in MATLAB® confirmed previous findings that EcoSAV functions poorly in conditions where the substrate is uneven and bottom depth changes rapidly. The GUI method uses a signal processing algorithm similar to that of EcoSAV but bases bottom depth classification and algal stand height classification on adjustable thresholds that can be visualized by a trained analyst. This study documents the successful characterization of nuisance quantities of filamentous algae on hard substrate using an acoustic system and demonstrates the potential to significantly increase the efficiency of collecting information on the distribution of nuisance macroalgae. This study also highlights the need for further development of more flexible classification algorithms that can be used in a variety of aquatic ecosystems.
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 | 0,000 |
| 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 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 ».