MétaCan
Menu
Retour à la cohorte
Enregistrement W3165785854

Assessing Hydrocarbon presence in the waters of Port au Port bay, Newfoundland and Labrador, for AUV oil spill delineation tests

2020· article· en· W3165785854 sur OpenAlexaboutno aff
Jimin Hwang, Neil Bose, Brian Robinson, Hoang Dung Nguyen

Notice bibliographique

RevueUTAS Research Repository · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueOil Spill Detection and Mitigation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBayPort (circuit theory)Environmental scienceWater columnHydrology (agriculture)Sampling (signal processing)Petroleum seepGeologyOceanographyEngineeringGeotechnical engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The waters adjacent to the Port au Port Peninsula, in Port au Port Bay, Newfoundland andLabrador, are known to be subject to release of hydrocarbons from natural oil seeps and oldabandoned oil wells. An investigation was done to determine whether there were sufficient oilcompounds present for planned autonomous underwater vehicle (AUV) test missions to developadaptive sampling algorithms to delineate oil spills. Fluorometers were used in-situ to measureoil concentrations. Oil-and-water samples were taken at selected waypoints for chemical analysisin the laboratory to validate the sensor measurements and to provide a ground truth. Only oneof the fluorometers was found to have a minimum detection level that was capable of sensingthe hydrocarbons in the water column. The water sample results indicated hydrocarbon levelsup to almost 30 ppm in the east side of the bay, just to the west of Shoal Point, but no detectablelevels on the west side of the bay. It was concluded that it would be possible to operate an AUVon a planned fixed mission with a pre-programmed search path and record the levels of signaldetected from fluorometers or other sensors. However, it would be difficult to implement anadaptive mission in this case because of the low levels of sensor signals resulting from the lowconcentrations of hydrocarbon present.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,781
Score d'incertitude au seuil0,441

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,050
Tête enseignante GPT0,333
Écart entre enseignants0,282 · 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'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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUTAS Research RepositoryMême sujetOil Spill Detection and MitigationTravaux en français237 207