Use of fixed-wing and multi-rotor unmanned aerial vehicles to map dynamic changes in a freshwater marsh
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We used a multi-rotor (Phantom 2 Vision+, DJI) and a fixed-wing (eBee, senseFly) unmanned aerial vehicle (UAV) to acquire high-spatial-resolution composite photos of an impounded freshwater marsh during late summer in 2014 and 2015. Dominant type and percent cover of three vegetation classes (submerged aquatic, floating or emergent vegetation) were identified and compared against field data collected in 176 (2 m × 2 m) quadrats during summer 2014. We also compared these data against the most recently available digital aerial true colour, high-resolution photographs provided by the government of Ontario (Southwestern Ontario Orthophotography Project (SWOOP), May 2010), which are free to researchers but taken every 5 years in leaf-off spring conditions. The eBee system produced the most effective data for determining percent cover of floating and emergent vegetation (58% and 64% overall accuracy, respectively). Both the eBee and the Phantom were comparable in their ability to determine dominant habitat types (moderate kappa agreement) and were superior to SWOOP in this respect (poor kappa agreement). UAVs can provide a time-sensitive, flexible, and affordable option to capture dynamic seasonal changes in wetlands, information that ecologists often require to study how species at risk use their habitat.
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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle