DFO Quebec Region Invertebrate assemblages and submerged aquatic vegetation in coastal areas of the St. Lawrence Estuary and Gulf (north shore) using a drop photo camera system.
Bibliographic record
Abstract
This dataset is derived from analyses of photo samples obtained by deploying drop camera photo (DCP) systems conducted during various research surveys in coastal areas of the north shore of the St. Lawrence Estuary and the Gulf between Portneuf-sur-Mer and Sept-Îles between June and October of 2019 to 2022. It contains 4866 species occurrence data of 109 different taxa for epibenthic invertebrates and submerged aquatic vegetation (including algae) at depths ranging from 0 to more than 50 meters. Additional information about this dataset is available in the “Method step description” section. The research surveys were undertaken by the Department of Fisheries and Oceans Canada as part of the baseline program of the Ocean Protection Plan. This initiative aims to acquire environmental baseline data contributing to the characterization of important coastal areas and to support evidence-based assessments and management decisions for preserving marine ecosystems. Data acquired during the research surveys additionally include: 1) fish and invertebrate species occurrence data derived from analyses of video samples collected using a stereoscopic baited remote underwater camera video systems (stereo-BRUVs) 2) fish and invertebrates catch data from beam trawl sampling (occurrence and catch weights by species), 3) substrate classification based on drop camera samples, 4) oceanographic measurements of the water column from Seabird 19plus V2 profiling CTD (conductivity, temperature, depth, photosynthetic active radiation, pH, dissolved oxygen), 5) nutrients (NO2, NO3, NH4, PO4, SiO3) and dissolve organic carbon (DOC) concentrations, and 6) current speed and direction from tilt meters. The datasets of the first two elements will also be available as independent datasets on the OBIS/GBIF portal. To obtain data from items 3-6 and/or biological data collected on fish and invertebrate taxa, please contact David Lévesque or Marie-Julie Roux. // Ce jeu de données provient des analyses d’échantillons photos issus des déploiements de systèmes de caméras photo déposés (CPD) effectués lors de divers relevés en milieux côtiers sur la rive nord de l'estuaire et du golfe du Saint-Laurent entre Portneuf-sur-Mer et Sept-Îles, entre juin et octobre, de 2019 à 2022. Il contient les données de 4866 occurrences de 109 taxons d'invertébrés épibenthiques et de végétation aquatique submergée (y compris les algues) observés à des profondeurs allant de 0 à plus de 50 mètres. Des renseignements additionnels concernant ce jeu de données sont disponibles dans la section « Description des étapes méthodologiques ». Les relevés scientifiques ont été réalisés dans le cadre du Programme sur les données environnementales côtières de référence de Pêches et Océans Canada et du Plan de protection des océans. Cette initiative vise à acquérir des données environnementales de base qui contribuent à la caractérisation des zones côtières d’importance en soutient aux évaluations fondées sur des preuves ainsi que la prise de décisions de gestion afin de préserver les écosystèmes marins. Les données acquises lors des relevés comprennent aussi : 1) les données d’occurrence des taxons de poissons et invertébrés observés dans des échantillons vidéo provenant de systèmes de caméras vidéo stéréoscopiques appâtés (CVSA), 2) les données de capture de poissons et invertébrés dans un chalut à perche (occurrence et poids des captures des différents taxons), 3) la classification du substrat benthique basée sur les déploiements du système de caméras photos déposé, 4) des mesures océanographiques de la colonne d'eau d’un CTD Seabird 19plus V2 type profilage (conductivité, température, profondeur, rayonnement photosynthétique actif, pH, oxygène dissous), 5) les concentrations de nutriments (NO2, NO3, NH4, PO4, SiO3) et carbone organique dissous (DOC) et 6) la vitesse et la direction du courant mesurées par des inclinomètres. Les jeux de données des deux premiers éléments seront également disponibles en tant que jeux de données indépendants sur le portail OBIS/GBIF. Pour obtenir les données des éléments 3 à 6 et/ou les données biologiques récoltées sur différents taxons de poissons et invertébrés, veuillez contacter David Lévesque ou Marie-Julie Roux.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.021 | 0.004 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".