MétaCan
Menu
Retour à la cohorte
Enregistrement W2985478087 · doi:10.1016/j.marpolbul.2019.110722

Benthic marine debris in the Bay of Fundy, eastern Canada: Spatial distribution and categorization using seafloor video footage

2019· article· en· W2985478087 sur OpenAlexafffundabout
Alexa J. Goodman, Tony R. ‎Walker, Craig J. Brown, Brittany R. Wilson, Vicki Gazzola, Jessica A. Sameoto

Notice bibliographique

RevueMarine Pollution Bulletin · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicroplastics and Plastic Pollution
Établissements canadiensFisheries and Oceans CanadaBedford Institute of OceanographyDalhousie UniversityNova Scotia Community College
Organismes subventionnairesFisheries and Oceans CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésMarine debrisBenthic zoneDebrisPlastic pollutionBayEnvironmental scienceOceanographyFishingSeafloor spreadingMarine spatial planningMarine pollutionCommercial fishingFisheryMarine protected areaMicroplasticsGeologyPollutionHabitatEcology

Résumé

récupéré en direct d'OpenAlex

Marine debris, particularly plastic and abandoned, lost and discarded fishing gear, is ubiquitous in marine environments. This study provides the first quantitative and qualitative assessment of benthic debris using seafloor video collected from a drop camera system in the Bay of Fundy, Eastern Canada. An estimated 137 debris items km−2 of seafloor were counted, comprising of plastic (51%), fishing gear (including plastic categories; 28%) and other (cable, metal, tires; 21%). Debris was widespread, but mainly located nearshore (within 9 km) and on the periphery of areas with high fishing intensity. This baseline benthic marine debris characterization and estimate of abundance provides valuable information for government (municipal, provincial and federal) and for other stakeholders to implement management strategies to reduce plastic and other categories of benthic marine pollution at source. Strategies may include limiting plastic use and reducing illegal dumping through improved education among fishers.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,107
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0030,000

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 Opus0,006
Tête enseignante GPT0,178
Écart entre enseignants0,172 · 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.

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

Citations36
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMarine Pollution BulletinMême sujetMicroplastics and Plastic PollutionTravaux en français237 207