Aerial Remote Sensing of Aquatic Microplastic Pollution: The State of the Science and How to Move It Forward
Notice bibliographique
Résumé
Microplastics (MPs) are pervasive environmental contaminants in aquatic systems. Due to their small size, they can be ingested by aquatic biota, and numerous negative effects have been documented. Determining the risks to aquatic organisms is reliant on characterizing the environmental presence and concentrations of MPs, and developing efficient ways to do so over wide scales by means of aerial remote sensing would be beneficial. We conducted a systematic literature review to assess the state of the science of aerial remote sensing of aquatic MPs and propose further research steps to advance the field. Based on 28 key references, we outline three main approaches that currently remain largely experimental rather than operational: remote sensing of aquatic MPs based on (1) their spectral characteristics, (2) their reduction of water surface roughness, and (3) indirect proxies, notably other suspended water constituents. The first two approaches have the most potential for wide-scale monitoring, and the spectral detection of aquatic MPs is seemingly the most direct approach, with the fewest potential confounding factors. Whereas efforts to date have focused on inherently challenging detection in coarse-resolution satellite imagery, we suggest that better progress could be made by experimenting with image acquisition at much lower altitudes and finer spatial and spectral resolutions, which can be conveniently achieved using drones equipped with high-precision hyperspectral sensors. Beyond developing drone-based aquatic MP monitoring capabilities, such experiments could help with upscaling to satellite-based monitoring for global coverage.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».