Comparative Analysis of Four Models to Estimate Chlorophyll-a Concentration in Case-2 Waters Using MODerate Resolution Imaging Spectroradiometer (MODIS) Imagery
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 occurrence and extent of intense harmful algal blooms (HABs) have increased in inland waters during recent decades. Standard monitor networks, based on infrequent sampling from a few fixed observation stations, are not providing enough information on the extent and intensity of the blooms. Remote sensing has great potential to provide the spatial and temporal coverage needed. Several sensors have been designed to study water properties (AVHRR, SeaBAM, and SeaWIFS), but most lack adequate spatial resolution for monitoring algal blooms in small and medium-sized lakes. Over the last decade, satellite data with 250-m spatial resolution have become available with MODIS. In the present study, three models inspired by published approaches (Kahru, Gitelson, and Floating Algae Index (FAI)) and a new approach named APPEL (APProach by ELimination) were adapted to the specific conditions of southern Quebec and used to estimate chlorophyll-a concentration (Chl-a) using MODIS data. Calibration and validation were provided from in situ Chl-a measured in four lakes over 9 years (2000–2008) and concurrent MODIS imagery. MODIS bands 3 to 7, originally at 500-m spatial resolution, were downscaled to 250 m. The APPEL, FAI, and Kahru models yielded satisfactory results and enabled estimation of Chl-a for heavy blooming conditions (Chl-a > 50 mg∙m−3), with coefficients of determination reaching 0.95, 0.94, and 0.93, respectively. The model inspired from Gitelson did not provide good estimations compared to the others (R2 = 0.77). However, the performance of all models decreased when Chl-a was below 50 mg∙m−3.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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