MétaCan
Menu
Retour à la cohorte
Enregistrement W1986953729 · doi:10.5589/m09-017

Sea surface multispectral index model for estimating chlorophyll<i>a</i>concentration of productive coastal waters in Thailand

2009· article· en· W1986953729 sur OpenAlexvenueno aff
Suwisa Mahasandana, Nitin Kumar Tripathi, Kiyoshi Honda

Notice bibliographique

RevueCanadian Journal of Remote Sensing · 2009
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChlorophyll aRemote sensingMultispectral imageSatelliteCorrelation coefficientEnvironmental scienceImaging spectrometerMultispectral pattern recognitionSpectrometerWavelengthSampling (signal processing)Absorption (acoustics)ChlorophyllGeographyMathematicsPhysicsStatisticsBotanyBiologyOptics

Résumé

récupéré en direct d'OpenAlex

Chlorophyll a (Chl a) concentration in water can be estimated using remote sensing methodology. This study uses Chl a high absorption and high reflectance wavelengths to produce indices stable for Chl a monitoring. The relationships between the indices and Chl a are determined and then applied to satellite bands for model development. The sea surface spectrum was measured in situ using a portable spectrometer, and Chl a concentration was analyzed in the laboratory. Satellite images were obtained from Landsat-5 for the day of sampling. The results of a three-band index from the spectrometer composed of wavelengths 435, 488, and 692 nm indicate the most significant correlation with Chl a concentration. The exponential relation was observed with the highest correlation coefficient of r2 = 0.83. The index model was applied to Landsat-5 data, and the observed Chl a dataset was compared with that estimated from Landsat-5. This analysis gave a high correlation of r2 = 0.73.

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 enseignants0,433
Score d'incertitude au seuil0,955

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 Opus0,012
Tête enseignante GPT0,203
Écart entre enseignants0,191 · 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

Citations15
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Remote SensingMême sujetMarine and coastal ecosystemsTravaux en français237 207