Development of low-cost image mosaics of hard-bottom sessile communities using SCUBA: comparisons of optical media and of proxy measures of community structure
Notice bibliographique
Résumé
Underwater image-based sampling procedures, using SCUBA, are compared using imagery collected from a temperate hard-substratum community. The effectiveness of a low-budget, high-resolution image mosaicing technique is assessed by comparing the relative efficiency of data collection, extraction and analysis among sampling procedures. In addition, a manipulative experiment tested whether the sampling procedures could detect the physical removal of 10% of the reef community. Overall, four factors were explored within the data: data collection media (stills and video), cover and community composition estimation techniques (visual cover estimation, frequency of occurrence and point extraction), change detection (pre- and post-impact) and depth (8, 14, 18 and 22 m). Stills imagery sampled the reef community at a higher image resolution than the video imagery, which enabled identification of more species and less-conspicuous benthic categories. Using the visual cover estimation technique, the stills imagery also had the greatest benefit in terms of efficiency and species identification. However, the experimental impact was detected using only the point extraction technique. The recommendations are that: (1) the image mosaicing technique is applied to fixed-station monitoring; (2) the point extraction technique be used for efficient and cost-effective monitoring at coarse taxonomic resolutions; and (3) survey depths remain constant over the duration of hard-substratum community monitoring.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».