MétaCan
Menu
Retour à la cohorte
Enregistrement W4312769388 · doi:10.1109/oceans47191.2022.9977292

Solar Powered Uncrewed Surface Vehicles (USVs) for Marine Protected Area (MPA) Monitoring

2022· article· en· W4312769388 sur OpenAlexaffabout
Julie Angus, Madeleine Bouvier-Brown, Ari Robinson

Notice bibliographique

RevueOCEANS 2022, Hampton Roads · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCoastal and Marine Management
Établissements canadiensOcean Networks Canada Society
Organismes subventionnairesnon disponible
Mots-clésEnvironmental scienceAstrobiologyRemote sensingAerospace engineeringGeologyEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

This paper presents the use of Open Ocean Robotics’ (OOR) solar powered USV, Data Xplorer, for MPA monitoring and illegal, unreported, and unregulated (IUU) fishing enforcement. Data Xplorer is equipped with a sensor suite to monitor the environment as well as detect marine mammals and vessels, which includes oceanographic and meteorological sensors, optical and thermal cameras, an AIS transponder, and a towed acoustic array. This enables the detection of marine mammal vocalizations with real-time alerts, soundscape characterization, monitoring of the area for vessels, including those engaged in IUU, and supporting compliance with the regulated closure. With both satellite and cellular communications, and the ability to voyage in challenging sea states, Data Xplorer can monitor these regions in difficult weather conditions and provide real-time data to ground based observers. In a project with Canada’s Department of Fisheries and Oceans (DFO), Data Xplorer is being used to monitor two Southern Resident killer whale (SRKW) Interim Sanctuary Zones in British Columbia: Swiftsure Bank and the Southern Gulf Islands. OOR has also deployed this technology in a 25-day continuous mission in a Hawaiian marine sanctuary as part of a collaboration with NGO partners to bring this technology to the Bahamas to monitor for IUU fishing within their MPAs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,725
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,006
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,012
Tête enseignante GPT0,211
Écart entre enseignants0,199 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations7
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOCEANS 2022, Hampton RoadsMême sujetCoastal and Marine ManagementTravaux en français237 207