AN ALGORITHM TO IMPROVE GEOLOCATION POSITIONS USING SEA SURFACE TEMPERATURE AND DIVING DEPTH
Notice bibliographique
Résumé
A bstract The at‐sea movement of marine mammals is an important component of their foraging ecology, but has been difficult to study. Geolocation timed‐data recorders (GLTDRs) estimate positions using measured light level to calculate day length and local noon. It is well known that these location estimates are imprecise (mean error of > 1°). Satellite telemetry generally provides a more accurate, but also more expensive means of monitoring movement. We evaluated the accuracy and precision of geolocation positions by comparing these locations with satellite data from Service Argos for eight free‐ranging gray seals ( Halichoerns grypus ) equipped with both a satellite‐linked data recorder (SDR) and a GLTDR. Geolocation positions differed by 1,026.0 ± 292.28 km from the corresponding Argos locations. We developed an algorithm to correct geolocation positions by comparing surface water temperature (ST) and dive depth collected by GLTDRs with existing sea‐surface temperature and bathymetry databases. The corrected positions were significantly closer (P < 0.025) to the Argos locations of these seals (94.2 ± 8.22 km). The original geolocation positions would have led to incorrect conclusions about the use of space by gray seals; however, the corrected positions can be reliably used to study the large‐scale spatial distribution of individuals.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».