Surface-sediment bioturbation quantified with cameras on the NEPTUNE Canada cabled observatory
Notice bibliographique
Résumé
The mixing of deep-sea sediments by benthic megafauna is an important ecological service that influences biogeochemical processes. Quantifying the contribution of individual species to bioturbation and their responses to environmental variations requires experimental manipulation or direct observation, both of which are logistically challenging in the deep sea. Emerging cabled seafloor observatories now permit real-time data transfer to shore and interactive sampling, providing a new tool for long-term studies of the benthos at high temporal resolutions. We report on the development of a methodological approach to study surficial bioturbation by megafauna in a submarine canyon by using video cameras remotely operated over the internet, through the NEPTUNE Canada observatory. Observation protocols and image analysis techniques were developed to quantify organism size, locomotion and appearance rates for 2 flatfishes (Dover sole Microstomus pacificus and Pacific halibut Hippoglossus stenolepis) and the fragile pink sea urchin Allocentrotus fragilis. Application of a Bayesian model to extrapolate megafaunal locomotion patterns and appearance rates yielded sediment-surface reworking rates on the order of 26.0 to 35.1 cm 2 yr -1 . Future observations can be directly incorporated into the model to improve accuracy. We propose that this combined observation and Bayesian modeling approach could become a useful component of a long-term program for monitoring ecological processes on the seafloor.
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 | 0,001 |
| 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) | 0,013 | 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 ».