MétaCan
Menu
← Retour à la cohorte
Enregistrement W6950612273 · doi:10.5683/sp3/hvcqji

Using high spatial resolution satellite imagery (PlanetScope) to count moored marine vessels in desolation sound marine provincial park

2023· dataset· en· W6950612273 sur OpenAlexaffabout

Notice bibliographique

RevueBorealis · 2023
Typedataset
Langueen
Domaine
Thématique
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSatelliteSatellite imageryImage resolutionHigh resolutionSound (geography)Aerial surveyRange (aeronautics)Trap (plumbing)

Résumé

récupéré en direct d'OpenAlex

This study aims to assess the applicability of using high spatial resolution spaceborne imageries (PlanetScope with a 3-meter-pixel size) to monitor the number of marine vessels moored nearshore in Desolation Sound Marine Provincial Park, British Columbia, Canada during the summer and early fall of 2022. The purpose of this study is to understand the number of vessels moored near eelgrass habitat, a critical plant species in the park threatened by boating activities. Twelve trap cameras were set up to capture marine vessel activities during the summer, and filtering and manual counting were conducted to ensure the absolute accuracy of the data. Comparisons are made between the marine vessel counts from trap cameras and satellite imagery for each day throughout the period of study. The results indicate that the use of high spatial resolution spaceborne imageries to monitor the number of marine vessels is applicable and demonstrates 100% accuracy in the range of five undercounts or overcounts. However, during the peak boating season, precision fluctuates due to undercounts, which happen more frequently than precise count or overcounts. Further studies are recommended by ensuring the functionality and increasing the coverage area of trap cameras. Spaceborne imageries with higher-resolution can also be used if cost is not a concern.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,164
Score d'incertitude au seuil0,330

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,033
Tête enseignante GPT0,286
Écart entre enseignants0,254 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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

En bref

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBorealis→Travaux en français237 207→