Oceanography of <italic>Skeletonema costatum</italic> harmful algal blooms in the East China Sea using MODIS and QuickSCAT satellite data
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
The East China Sea (ECS) is threatened by frequent Skeletonema costatum (S. costatum) blooms every year, which can cause severe environmental harm, as well as considerable economic losses. Remote sensing is an efficient tool for monitoring these harmful algal blooms (HABs) and studying concerned marine conditions. This study investigated two intensive S. costatum HABs in the ECS by analysis of water distribution and spatial-temporal pattern of four oceanographic parameters derived from moderate resolution imaging spectroradiometer (MODIS) and QuickSCAT satellite data using multiple remote sensing approaches (composite imagery interpretation, classification, and parameters retrieval). Results show that high chlorophyll- a (Chl-a) concentrations and net primary production (NPP) decrease from the HAB areas toward the open sea. A peak of Chl-a (>10 mgm−3) and NPP (>5000 mg · C · m−2 · d−1) are considered indicators of large-scale S. costatum blooms in the ECS. Low sea surface temperature (SST; approximately 23°C) are observed in S. costatum HAB areas. In early stages, winds in terms of direction and speed can bring nutrients to facilitate the formation of S. costatum blooms, but then sharply change into unfavorable conditions to cause the final disappearance of HABs. This study also explored multiple oceanographic explanations in the ECS from biochemical, meteorological, physical, and geological perspectives for a better understanding of such S. costatum HABs mechanisms.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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