Regional algorithms for remote-sensing estimates of total suspended matter in the Beaufort Sea
Notice bibliographique
Résumé
Shilin Tangab, Pierre Larouchec, Andrea Niemia & Christine Michela* a Fisheries and Oceans Canada, Freshwater Institute , Winnipeg , R3T 2N6 , Canada b State Key Laboratory of Tropical Oceanography, South China Sea Institute of Oceanology, Chinese Academy of Sciences , Guangzhou , 510301 , China c Fisheries and Oceans Canada, Institut Maurice-Lamontagne, Mont-Joli , Québec , Canada , G5H 3Z4 * E-mail: Christine.Michel@dfo-mpo.gc.ca. The large and variable riverine inflow to Arctic continental shelves strongly influences their chemical, biological, and optical properties. The Beaufort Sea receives the largest amount of suspended sediments amongst all Arctic shelves, with sediment-laden Mackenzie river waters strongly influencing bio-optical properties on the shelf. Here, we developed two regional algorithms for the estimation of total suspended matter (TSM) concentration using Medium Resolution Imaging Spectrometer (MERIS) spectral bands, based on in situ optical and suspended particulate data collected in the summer during the Canadian Arctic Shelf Exchange Study (CASES) in 2004 and during the Arctic Coastal Ecosystem Study (ACES) in 2010. The band ratio (where R rs is remote-sensing reflectance) R rs,560/R rs,490 was best correlated with low TSM concentrations (less than 3.0 g m−3), while higher TSM concentrations were well correlated to R rs,681/R rs,560. An empirical piecewise algorithm is thus proposed with the switch between the ratios being triggered by R rs,681/R rs,560 at a threshold value of 0.6. The second algorithm made use of support vector machines (SVMs) as a nonlinear transfer function between TSM concentrations and remote-sensing reflectance ratios R rs,681/R rs,560, R rs,665/R rs,560, and R rs,560/R rs,490. Results show that both algorithms perform better (31% and 25%, respectively) than other published TSM algorithms including the MERIS Case 2 water processor (C2R) neural network algorithm in the study area.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».