Estimating absorption coefficients of colored dissolved organic matter (CDOM) using a semi-analytical algorithm for southern Beaufort Sea waters: application to deriving concentrations of dissolved organic carbon from space
Notice bibliographique
Résumé
Abstract. A series of papers have suggested that freshwater discharge, including a large amount of dissolved organic matter (DOM), has increased since the middle of the 20th century. In this study, a semi-analytical algorithm for estimating light absorption coefficients of the colored fraction of DOM (CDOM) was developed for southern Beaufort Sea waters using remote sensing reflectance at six wavelengths in the visible spectral domain corresponding to MODIS ocean color sensor. This algorithm allows the separation of colored detrital matter (CDM) into CDOM and non-algal particles (NAP) through the determination of NAP absorption using an empirical relationship between NAP absorption and particle backscattering coefficients. Evaluation using independent datasets, which were not used for developing the algorithm, showed that CDOM absorption can be estimated accurately to within an uncertainty of 35% and 50% for oceanic and coastal waters, respectively. A previous paper (Matsuoka et al., 2012) showed that dissolved organic carbon (DOC) concentrations were tightly correlated with CDOM absorption in our study area (r2 = 0.97). By combining the CDOM absorption algorithm together with the DOC versus CDOM relationship, it is now possible to estimate DOC concentrations in the near-surface layer of the southern Beaufort Sea using satellite ocean color data. DOC concentrations in the surface waters were estimated using MODIS ocean color data, and the estimates showed reasonable values compared to in situ measurements. We propose a routine and near real-time method for deriving DOC concentrations from space, which may open the way to an estimate of DOC budgets for Arctic coastal 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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».