MétaCan
Menu
Retour à la cohorte
Enregistrement W2890524073 · doi:10.3390/app8122692

Advantages and Limitations to the Use of Optical Measurements to Study Sediment Properties

2018· article· en· W2890524073 sur OpenAlexaff
Emmanuel Boss, Christopher R. Sherwood, Paul S. Hill, Tim Milligan

Notice bibliographique

RevueApplied Sciences · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensDalhousie University
Organismes subventionnairesOffice of Naval Research
Mots-clésSettlingMaterials scienceParticle (ecology)PorosityEnvironmental scienceMineralogyGeologyComposite materialEnvironmental engineeringOceanography

Résumé

récupéré en direct d'OpenAlex

Measurements of optical properties have been used for decades to study particle distributions in the ocean. They are useful for estimating suspended mass concentration as well as particle-related properties such as size, composition, packing (particle porosity or density), and settling velocity. Measurements of optical properties are, however, biased, as certain particles, because of their size, composition, shape, or packing, contribute to a specific property more than others. Here, we study this issue both theoretically and practically, and we examine different optical properties collected simultaneously in a bottom boundary layer to highlight the utility of such measurements. We show that the biases we are likely to encounter using different optical properties can aid our studies of suspended sediment. In particular, we investigate inferences of settling velocity from vertical profiles of optical measurements, finding that the effects of aggregation dynamics can seldom be ignored.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,415
Score d'incertitude au seuil0,661

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,161
Tête enseignante GPT0,260
Écart entre enseignants0,099 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetMarine and coastal ecosystemsTravaux en français237 207