Development of a Non-Cloggable Subsea Data Logger for Harsh Turbidity Current Monitoring
Notice bibliographique
Résumé
Large submarine flows of sediment (sand and mud), known as turbidity currents, transfer and bury significant amounts of organic carbon and pollutants to the deep sea via submarine canyons. They are also significant geohazards, regularly breaking networks of seabed telecommunications cables that carry > 99% of global data that underpin the internet. Despite this, key parameters (notably their sediment concentration) in these flows are yet to be directly measured in real-time due to their inherently harsh environment that is unsuitable for commercial conductivity sensors. To address this issue, a subsea datalogger (SSDL) is developed with a planar conductivity sensor head that can measure the sediment concentration within dense turbidity currents. Unlike conventional sensors, the planar design of the SSDL’s sensor prevents clogging at high sediment concentrations, allowing for continuous measurements within turbidity currents. The conductivity sensor is developed with a temperature sensor which is measured using an external 16-Bit ADC which is controlled with a SAMD21 32-Bit ARM microcontroller. The SSDL measures the temperature and the conductivity of the seawater once every 4 seconds for over a year. In an initial device test, the SSDL can record a turbidity current within the Bute Inlet, Canada. It is found that the seawater’s conductivity increases with salinity concentration and decreases with sediment concentration. The SSDL developed here can thus be used for both conventional subsea datalogging applications and high turbidity current applications.
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 | 0,000 | 0,000 |
| 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 ».