The potential of video imagery from worldwide cabled observatory networks to provide information supporting fish-stock and biodiversity assessment
Notice bibliographique
Résumé
Abstract Seafloor multiparametric fibre-optic-cabled video observatories are emerging tools for standardized monitoring programmes, dedicated to the production of real-time fishery-independent stock assessment data. Here, we propose that a network of cabled cameras can be set up and optimized to ensure representative long-term monitoring of target commercial species and their surrounding habitats. We highlight the importance of adding the spatial dimension to fixed-point-cabled monitoring networks, and the need for close integration with Artificial Intelligence pipelines, that are necessary for fast and reliable biological data processing. We then describe two pilot studies, exemplary of using video imagery and environmental monitoring to derive robust data as a foundation for future ecosystem-based fish-stock and biodiversity management. The first example is from the NE Pacific Ocean where the deep-water sablefish (Anoplopoma fimbria) has been monitored since 2010 by the NEPTUNE cabled observatory operated by Ocean Networks Canada. The second example is from the NE Atlantic Ocean where the Norway lobster (Nephrops norvegicus) is being monitored using the SmartBay observatory developed for the European Multidisciplinary Seafloor and water column Observatories. Drawing from these two examples, we provide insights into the technological challenges and future steps required to develop full-scale fishery-independent stock assessments.
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 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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».