The reproducibility of remotely piloted aircraft systems to monitor seasonal variation in submerged seagrass and estuarine habitats
Notice bibliographique
Résumé
Seasonal variation in seagrass growth and senescence affects the provision of ecosystem services and restoration efforts, requiring seasonal monitoring. Remotely piloted aircraft systems (RPAS) enable frequent high-resolution surveys at full-meadow scales. However, the reproducibility of RPAS surveys is challenged by varying environmental conditions, which are common in temperate estuarine systems. We surveyed three eelgrass ( Zostera marina) meadows in Newfoundland, Canada, using an RPAS equipped with a three-color band (red, green, blue [RGB]) camera, to evaluate the seasonal reproducibility of RPAS surveys and assess the effects of flight altitude (30–115 m) on classification accuracy. Habitat percent cover was estimated using supervised image classification and compared to corresponding estimates from snorkel quadrat surveys. Our results revealed inconsistent misclassification due to environmental variability and low spectral separability between habitats. This rendered differentiating between model misclassification versus actual changes in seagrass cover infeasible. Conflicting estimates in seagrass and macroalgae percent cover compared to snorkel estimates could not be corrected by decreasing the RPAS altitude. Instead, higher altitude surveys may be worth the trade-off of lower image resolution to avoid environmental conditions shifting mid-survey. We conclude that RPAS surveys using RGB imagery alone may be insufficient to discriminate seasonal changes in estuarine subtidal vegetated habitats.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».