MétaCan
Menu
← Retour à la cohorte

3D MODELLING IN TEMPERATE WATERS: BUILDING RIGS AND DATA SCIENCE TO SUPPORT GLASS SPONGE MONITORING EFFORTS IN COASTAL BRITISH COLUMBIA

2020· article· en· W3048375152 sur OpenAlexafffundabout
Ian Lochhead, Nick Hedley

Notice bibliographique

Revue˜The œinternational archives of the photogrammetry, remote sensing and spatial information sciences/International archives of the photogrammetry, remote sensing and spatial information sciences · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoral and Marine Ecosystems Studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesMitacs
Mots-clésWorkflowBenthic zoneUnderwaterSoftware deploymentTemperate climateCitizen scienceBenthosProcess (computing)Computer scienceEnvironmental resource managementOceanographyEnvironmental scienceData scienceEcologyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract. Structure-from-motion (SfM) has emerged as a popular method of characterizing marine benthos in tropical marine environments and could be of tremendous value to glass sponge monitoring and management efforts in the Northeast Pacific Ocean. However, temperate marine environments present a unique set of challenges to SfM workflows, and the combined impact that cold, dark, and turbid waters have on the veracity of SfM derived data must be critically evaluated in order for SfM to become a meaningful tool for ongoing glass sponge research. This paper discusses the design, development, testing, and deployment of an innovative underwater SfM workflow for generating high-resolution 3D models in temperate marine environments. This multi-phase research project (dry-lab, wet-lab, and field), while possibly seen as unconventional, was designed to innovate in two ways. First to build an operational data capture platform to support low-cost SfM-based seafloor surveys. And second, to enable systematic isolation and evaluation of SfM data capture parameters and their implications for representational veracity and data quality. This paper reports the challenges and outcomes from a series of field surveys conducted in Howe Sound, BC, one of which serves as the first of two data sets in a temporal analysis of 3D morphometric change. This research demonstrates that accurate, high-resolution morphometric characterization, of all benthic species and habitats, is dependent on a range of equipment, procedural, and environmental variables. It is also intended to share our applied problem-solving path to successful 3D capture, backed up by robust data science.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,395
Score d'incertitude au seuil0,794

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,026
Tête enseignante GPT0,258
Écart entre enseignants0,232 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations2
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revue˜The œinternational archives of the photogrammetry, remote sensing and spatial information sciences/International archives of the photogrammetry, remote sensing and spatial information sciences→Même sujetCoral and Marine Ecosystems Studies→Travaux en français237 207→