Evaluating the Suitability of Multi-Scale Terrain Attribute Calculation Approaches for Seabed Mapping Applications
Notice bibliographique
Résumé
The scale dependence of benthic terrain attributes is wellaccepted, and multi-scale methods are increasingly applied for benthic habitat mapping. There are, however, multiple ways to calculate terrain attributes at multiple scales, and the suitability of these approaches depends on the purpose of the analysis and data characteristics. There are currently few guidelines establishing the appropriateness of multi-scale raster calculation approaches for specific benthic habitat mapping applications. First, we identify three common purposes for calculating terrain attributes at multiple scales for benthic habitat mapping: (i) characterizing scale-specific terrain features, (ii) reducing data artefacts and errors, and (iii) reducing the mischaracterization of ground-truth data due to inaccurate sample positioning. We then define criteria that calculation approaches should fulfill to address these purposes. At two study sites, five raster terrain attributes, including measures of orientation, relative position, terrain variability, slope, and rugosity were calculated at multiple scales using four approaches to compare the suitability of the approaches for these three purposes. Results suggested that specific calculation approaches were better suited to certain tasks. A transferable parameter, termed the 'analysis distance', was necessary to compare attributes calculated using different approaches, and we emphasize the utility of such a parameter for facilitating the generalized comparison of terrain attributes across methods, sites, and scales.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,000 | 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 ».