New algorithms for MODIS sun-induced chlorophyll fluorescence and a comparison with present data products
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We discuss important sources of variability in sun-induced chlorophyll fluorescence and examine difficulties in deriving fluorescence data products from satellite imagery, with a focus on the MODerate-resolution Imaging Spectroradiometer (MODIS) sensor. Our results indicate that there are limitations in the present MODIS algorithms that could lead to biases in the interpretation of the fluorescence products across gradients of chlorophyll concentration. To avoid some of these limitations, we suggest replacing the calculation of absorbed radiation by phytoplankton (ARP) over a finite depth with integration over the entire water column, and including a term accounting for cellular reabsorption of fluoresced light. These suggestions are incorporated into two new algorithms, based on established bio-optical models for case 1 waters (most open ocean waters), to retrieve chlorophyll concentration and the quantum yield of fluorescence. We compare our results to the results using MODIS algorithms for two regions: one located off the coast of Central America, including the Costa Rica Dome, and the other in the Arabian Sea. The new algorithms provide a similar field for the quantum yield of fluorescence in the first region, while they provide a different and more uniform field in the second region. We suggest that this discrepancy originates from the use of the water leaving radiance at 412 nm in the MODIS standard algorithm, which is not used in our algorithm and can be problematic under certain environmental conditions (e.g., absorbing aerosols or highly scattering waters).
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle