Applying a Multi-Method Framework to Analyze the Multispectral Acoustic Response of the Seafloor
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Improvements to acoustic seafloor mapping systems have motivated novel marine geological and benthic biological research. Multibeam echosounders (MBES) have become a mainstream tool for acoustic remote sensing of the seabed. Recently, “multispectral” MBES backscatter, which is acquired at multiple operating frequencies, has been developed to characterize the seabed in greater detail, yet methods for the use of these data are still being explored. Here, we evaluate the potential for seabed discrimination using multispectral backscatter data within a multi-method framework. We present a novel MBES dataset acquired using four operating frequencies (170, 280, 400, and 700 kHz) near the Doce River mouth, situated on the eastern Brazilian continental shelf. Image-based and angular range analysis methods were applied to characterize the multifrequency response of the seabed. The large amount of information resulting from these methods complicates a manual seabed segmentation solution. The data were therefore summarized using a combination of dimensionality reduction and density-based clustering, enabling hierarchical spatial classification of the seabed with sparse ground-truth. This approach provided an effective solution to synthesizing these data spatially to identify two distinct acoustic seabed classes, with four subclasses within one of the broader classes, which corresponded closely with seafloor sediment samples collected at the site. The multispectral backscatter data also provided information in likely, unknown, sub-surface substrate differences at this site. The study demonstrates that the adoption of a multi-method framework combining image-based and angular range analysis methods with multispectral MBES data can offer significant advantages for seafloor characterization and mapping.
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.
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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle