Generating higher resolution regional seafloor maps from crowd-sourced bathymetry
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
Seafloor mapping can offer important insights for marine management, spatial planning, and research in marine geology, ecology, and oceanography. Here, we present a method for generating regional bathymetry and geomorphometry maps from crowd-sourced depth soundings (Olex AS) for a small fraction of the cost of multibeam data collection over the same area. Empirical Bayesian Kriging was used to generate a continuous bathymetric surface from incomplete and, in some areas, sparse Olex coverage on the Newfoundland and Labrador shelves of eastern Canada. The result is a 75m bathymetric grid that provides over 100x finer spatial resolution than previously available for the majority of the 672,900 km2 study area. The interpolated bathymetry was tested for accuracy against independent depth data provided by Fisheries and Oceans Canada (Spearman correlation = 0.99, p<0.001). Quantitative terrain attributes were generated to better understand seascape characteristics at multiple spatial scales, including slope, rugosity, aspect, and bathymetric position index. Landform classification was carried out using the geomorphons algorithm and a novel method for the identification of previously unmapped tributary canyons at the continental shelf edge are also presented to illustrate some of many potential benefits of crowd-sourced regional seafloor mapping.
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 | 0,000 | 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 | 0,000 |
| 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) | 0,011 | 0,004 |
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