MétaCan
Menu
Retour à la cohorte
Enregistrement W2043205560 · doi:10.1080/01431161003782072

Variabilité saisonnière et interannuelle de la concentration de la chlorophylle dans la zone côtière du golfe de Guinée à partir des images SeaWiFS

2011· article· fr· W2043205560 sur OpenAlexaff
Éric Valère Djagoua, Pierre Larouche, Jean Baptiste Kassi, Kouadio Affian, Bachir Saley

Notice bibliographique

RevueInternational Journal of Remote Sensing · 2011
Typearticle
Languefr
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésForestryGeographyHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

La variabilité saisonnière et interannuelle de la concentration de chlorophylle dans le golfe de Guinée est analysée pour la période de 1997 à 2004 en utilisant une série d'images SeaWiFS auxquelles ont été associées des images de température de surface de la mer. Les résultats montrent que la zone côtière du golfe de Guinée est caractérisée par une forte variabilité spatiale et temporelle de ses propriétés physiques et biologiques. Ainsi, seules les zones côtières de la Guinée-Bissau et de la Côte d'Ivoire et dans une moindre mesure celle du Ghana montrent un comportement classique reliant la présence de résurgences côtières à de plus fortes concentrations de chlorophylle. La zone côtière du Liberia est caractérisée par une variabilité interannuelle quasi-nulle de la chlorophylle alors que celles du Nigéria et du Gabon ne montrent aucune relation entre la chlorophylle et la température. Plusieurs processus physiques apparaissent jouer un rôle important dans la réponse biologique des régions; à savoir la position latitudinale de la Zone de Convergence Inter-Tropicale qui modifie considérablement les patrons de vent dans l'ensemble du golfe de Guinée et le El-Niño Atlantique qui modifie les masses d'eaux dans l'est équatorial.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,116

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,010
Tête enseignante GPT0,236
Écart entre enseignants0,226 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations7
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Remote SensingMême sujetOceanographic and Atmospheric ProcessesTravaux en français237 207