Miniaturized data loggers and computer programming improve seabird risk and damage assessments for marine oil spills in Atlantic Canada
Notice bibliographique
Résumé
Obtaining useful information on marine birds that can aid in oil spill (and other hydrocarbon release) risk and damage assessments in offshore environments is challenging. Technological innovations in miniaturization have allowed archival data loggers to be deployed successfully on marine birds vulnerable to hydrocarbons on water. A number of species, including murres (both Common, Uria aalge, and Thick-billed, U. lomvia) have been tracked using geolocation \ndevices in eastern Canada, increasing our knowledge of the seasonality and colony-specific nature of their susceptibility to oil on water in offshore hydrocarbon production areas and major shipping lanes. Archival data tags are starting to resolve questions around behaviour of vulnerable seabirds at small spatial scales relevant to oil spill impact modelling, specifically to determine the duration and frequency at which birds fly at sea. Advances in data capture methods using voice activated software have eased the burden on seabird observers who are collecting \nincreasingly more detailed information on seabirds during ship-board and aerial transects. Computer programs that integrate seabird density and bird behaviour have been constructed, all with a goal of creating more credible seabird oil spill risk and damage assessments. In this paper, we discuss how each of these technological and computing innovations can help define critical inputs into seabird risk and damage assessments, and when combined, can provide a more realistic understanding of the impacts to seabirds from any hydrocarbon release.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».