Underway measurement of cyanobacterial microcystins using a surface plasmon resonance sensor on an autonomous underwater vehicle
Notice bibliographique
Résumé
Freshwater cyanobacterial harmful algal blooms (CHABs) are a well-known global public health threat. Monitoring and early detection of CHAB toxins are currently accomplished using labor-intensive sampling techniques and subsequent shore-based analyses, with results typically reported 24-48 hours after sample collection. We have developed and implemented an uncrewed, autonomous mobile sampler-analytical system capable of conducting targeted in situ toxin measurements in less than 2 hours. A surface plasmon resonance (SPR) instrument was combined with the Environmental Sample Processor (ESP) to fully automate detection and quantification of particle-associated cyanobacterial microcystins (pMC). This sensor-sampler system was integrated with a Long-Range Autonomous Underwater Vehicle (LRAUV) and deployed in western Lake Erie for field trials in the summer of 2021. The LRAUV was remotely piloted to acquire samples at selected locations within and adjacent to a CHAB. Sixteen pMC measurements ranging from 0.09 to 0.55 μg/L lake water were obtained over a 14-day period without recovery of the LRAUV. The SPR/ESP/LRAUV system complements existing satellite, aerial, and manual sampling CHAB survey techniques, and could be used to enhance predictive models that underpin bloom and toxicity forecasts. This system is also extensible to detection of other algal toxins in freshwater and marine environments, with its near real-time assessment of bloom toxin levels potentially offering additional socioeconomic benefits and public health protection in a variety of settings.
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 | 0,000 |
| 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 ».