Chi-square spectral fitting for concentration retrieval, automatic local calibration, quality control, and water type detection
Notice bibliographique
Résumé
In this study, the inverse bio-optical model HYDROPT was calibrated with regional specific inherent optical properties (SIOPs) and various local SIOPs to examine the effect of these calibrations on the retrievals. The study area, the Wadden Sea, is an estuary and tidal flat area with very high concentrations of chlorophyll a (Chl a), suspended particulate matter (SPM), and coloured dissolved organic matter (CDOM). HYDROPT could derive concentrations of Chl a, SPM, and CDOM with a reasonable degree of accuracy when in situ above-water reflectances were used as input (root mean squared error of 0.19–0.52 mg·m−3 for Chl a, 0.28–0.46 mg·m−3 for SPM, and 0.20–0.34 m−1 for aCDOM). However, quality control showed that 70% of the in situ input reflectance spectra were ambiguous; these spectra could be modelled with various sets of SIOPs. Therefore, automatic local calibration based on the spectral fit (χ2) value of the fitting procedure did not necessarily lead to the best results; this was expected to be an advantage of χ2 fitting. When MERIS data were used as input, the concentration maps showed distributions according to the expectations, although tidal flats and nearby land affected the results at the locations that matched with in situ stations. The water types (water with similar SIOPs) that could be detected based on MERIS data were new in this study.
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 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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».