An innovation of two established methods for monitoring water colour and clarity: participatory science using the mini- and midi- secchi disks
Notice bibliographique
Résumé
Measurements of water colour and clarity are used to track the environmental status of lakes, estuaries and oceans. The oldest standardised methods for measuring water clarity and colour are the Secchi disk and Forel-Ule colour scale. Both techniques were developed in the 19th century and require use of the human eye. Despite the advent of optoelectronic-based sensing, these visual methods are still used today, owing to their sensitivity, affordability, simplicity and long history of use. Recently, a hand-held device was developed for measuring the Secchi depth and Forel-Ule colour (presented in two formats, named the mini- and midi-Secchi disk). Designed to be small, light and convenient-to-use, it is well suited for participatory science projects that involve monitoring water colour and clarity. To date, over 900 mini- and midi-Secchi disks have been distributed to citizens and scientists, primarily through six projects, with data mostly transferred via mobile phone applications to data servers and dashboards. In this paper, we describe the methods used in the projects and show some characteristics of the datasets collected so far. We showcase how the device can be used for scientific applications, such as verifying satellite data products, gaining new scientific insights, and supporting public engagement and education. Finally, we provide suggestions for methodological improvements and future developments.
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 | 0,004 | 0,000 |
| 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 | 0,001 | 0,007 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».