An assessment of MERIS algal products during an intense bloom in Lake of the Woods
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
Lake of the Woods (LoW) is an international (USA/Canada) inland water body under significant water quality pressures from recurring cyanobacteria blooms. Its remote location combined with the hydrologically complex nature of its waters makes adequate in situ monitoring of the lake difficult. This work aimed to test the potential of Envisat's Medium Resolution Imaging Spectrometer (MERIS) full-resolution imagery for monitoring algal blooms in the lake. A full assessment of MERIS L1 and L2 chlorophyll and chlorophyll-related products was carried out over LoW during an intense surface algal bloom in September 2009. The Case 2 regional model and fluorescence line height/maximum chlorophyll index (MCI) plug-ins for BEAM were assessed for their ability to accurately distinguish the bloom. Results suggest that none of the Case-2-specific algorithms effectively extract chlorophyll concentrations over LoW, whereas the greatest potential is seen within the MCI product. Adjacency effects in near-shore waters are shown to be significant, although the improved contrast between ocean and land processor (ICOL) does not appear to notably improve water constituent retrievals in these waters. Images of L2 MCI are shown to adequately identify the bloom and are used to track the evolution of the bloom across the lake. Evidence is presented for the effects of variable depth distributions of cyanobacteria on the surface signal seen by the sensor; imagery suggests that day-to-day variations in wind-induced mixing have a profound impact on surface algal biomass as detected by remote sensing.
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 | 0,004 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle