MétaCan
Menu
Retour à la cohorte
Enregistrement W1642338041 · doi:10.1109/igarss.2002.1026471

Estimation of sea surface temperature using passive microwave satellite imagery

2003· article· en· W1642338041 sur OpenAlexaff
A.K. Langille, Joseph R. Buckley

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Waves and Remote Sensing
Établissements canadiensRoyal Military College of Canada
Organismes subventionnairesnon disponible
Mots-clésSea surface temperatureRemote sensingMicrowaveSatelliteRadiometerEnvironmental scienceRadiometryMicrowave radiometerStandard deviationInfraredAdvanced very-high-resolution radiometerRange (aeronautics)GeologyPhysicsClimatologyMaterials scienceOptics

Résumé

récupéré en direct d'OpenAlex

Sea surface temperature (SST) is routinely estimated from space by infrared radiometers, but only where the ocean surface is cloud free. Thermal radiation at microwave frequencies however is much less likely to be blocked by cloud. Spaceborne passive microwave imagers can, in principle, use this radiation to estimate SST under a much wider range of atmospheric conditions than can infrared radiometers. It has been generally acknowledged that the range of microwave frequencies measured by the SSM/I sensor is not well suited to this purpose. In spite of this, we have devised a model for estimation of SST from SSMA data, using band differences and derived geophysical parameters. We tested the model using data collected in May and June 2001 in a region of the north-west Atlantic Ocean from the central Grand Banks across the Gulf Stream to the northern Sargasso Sea. Temperatures in the region varied from 2/spl deg/C to 23/spl deg/C. The model was calibrated with concurrent AVHRR and SSM/I imagery, and validated against an independent set of AVHRR-SSM/I image pairs. The model reproduced the AVHRR SST values with a mean difference of close to 0 degC, and a standard deviation of /spl plusmn/2.5 degC. The strength of gradients and the direction of isotherms were reproduced very well by the model. These quantities were estimated consistently through cloud, in regions where AVHRR estimates were not possible. The model could not make an estimate of SST however in regions where cloud liquid water was present. Even though the model can provide a reliable estimate of SST from SSM/I in this region in most weather conditions, it has probably a bit too much scatter to be considered as a stand-alone system. SSM/I estimated SST fields however may provide useful input for interpolation systems working to create SST fields from sparse buoy data, or from time sequences of cloud filled AVHRR imagery.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,321
Score d'incertitude au seuil0,291

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 Opus0,011
Tête enseignante GPT0,210
Écart entre enseignants0,199 · 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'étudeSimulation ou modélisation
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
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOcean Waves and Remote SensingTravaux en français237 207