Towards mapping Nereocystis luetkeana kelp beds: using the holonomic iROV SeaBiscuit and sonar fusion
Notice bibliographique
Résumé
Mapping the density and distribution of kelp beds and assessing change over yearly cycles are important objectives for coastal oceanography. The intelligent, position-aware, holonomic ROV (iROV) SeaBiscuit has been designed specifically for this nearshore 3D mapping application. With the aim of providing high-usability maps on a budget, SeaBiscuit fuses the data from two complementary sonars to explore and map the nearshore. Holonomic motion in the horizontal plane and a streamlined profile designed to aid station-keeping provide the high degree of manoeuvrability required to operate in this complex environment. The orthogonal arrangement of a forward-facing multibeam sonar and a 360 degree scanning sonar provide increased coverage and allow 3D maps to be generated in-transit using the holonomic capabilities of the vehicle. Successful field trials saw the mapping of a piling dock before the surveys moved to the kelp beds of British Columbia, Canada. SeaBiscuit was initially calibrated and tested on an 'artificial' kelp bed of kelp stipes transplanted to a sheltered but open-water real world environment. The first successful open ocean kelp bed maps were gathered in 2011. It was possible to identify clusters of stipes and to convert this into a measure of biomass across the kelp bed.
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 | 0,000 |
| 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 ».