MétaCan
Menu
Retour à la cohorte
Enregistrement W4415827478 · doi:10.1016/j.cub.2025.09.036

Remote sensing of lichens with drones for detecting dinosaur bones

2025· article· en· W4415827478 sur OpenAlexafffund
Brian J. Pickles, Caleb M. Brown, Sean Herridge-Berry, Cameron R. Martin, Melissa Dergousoff, Teri Gilmar, Phil R. Bell, Derek R. Peddle

Notice bibliographique

RevueCurrent Biology · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueBuilding materials and conservation
Établissements canadiensUniversity of LethbridgeRoyal Tyrrell Museum
Organismes subventionnairesDirectorate for Biological SciencesUniversity of ReadingDinosaur Research InstituteAlberta ParksUniversity of Lethbridge
Mots-clésLichenAlgaeVertebrateColonisationSymbiosisBiodiversity

Résumé

récupéré en direct d'OpenAlex

Advances in palaeontology and evolutionary biology are often linked to the discovery of new fossils, yet these discoveries are typically serendipitous 1 . Here, we report that lichens can serve as biological indicators of vertebrate fossils in western North America and can be identified using remote sensing. Lichens are symbioses between fungi and algae (and/or cyanobacteria) that play important ecological roles 2 and colonise many substrates, including fossils 3 . Preferential colonisation of dinosaur bones by lichen with vibrant orange pigmentation (Figure 1A,B) has been recognised anecdotally for decades (Darren H. Tanke, personal communication). We found that the spectral reflectance profiles of these lichen pigments and the preferential association between modern lichens and ancient bones can be used to detect dinosaur fossils by remote sensing, for which we propose new spectral indices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,796
Score d'incertitude au seuil0,164

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,271
Écart entre enseignants0,242 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent BiologyMême sujetBuilding materials and conservationTravaux en français237 207