A bio-optical model for the estimation of chlorophyll a using animal-borne instruments in an optically complex ecosystem
Notice bibliographique
Résumé
Studies using marine animals instrumented with biologging devices to estimate phytoplankton biomass have typically omitted continental shelf regions due to the confounding effects of optically active constituents other than phytoplankton present. The lack of algorithms for these regions is problematic, as they are some of the most biologically productive in the world and are often inhabited by the species of interest. We developed a bio-optical model to estimate chlorophyll a concentration (chl a) using light attenuation (LA) measured using a standard oceanographic instrument in an optically complex water body that is applicable to data collected by animal-borne devices. To achieve this, we conducted a replicated experiment to compare measurements made using time-depth-light recorders (TDLRs) to those of a standard oceanographic instrument (the HyperPro) in an adjacent water body, the Bedford Basin, Nova Scotia, Canada. Measurements of LA made by TDLRs were comparable to those of the HyperPro atdepth. The best supported bio-optical model for the estimation of chl a included both LA measured by the HyperPro and season as a fixed effect. The use of animal-borne devices to collect subsurface chl a data not only provides an opportunity to collect valuable oceanographic data but also allows for the exploration of broader ecological questions relating to the influence of primary productivity on the movement patterns of wide-ranging marine species.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».