Assessment of 3D Spatial Interpolation Methods for Study of the Marine Pelagic Environment
Notice bibliographique
Résumé
Given the volumetric nature of the ocean, 3D spatial modeling and interpolation could be a key to a better understanding of continuous abiotic and biotic phenomena that compose the marine ecosystem, although such techniques are rarely used and their actual performance is poorly studied. Here, we evaluate the performance of 3D spatial interpolation for five pelagic variables derived from a typical oceanographic campaign conducted in the southeastern Beaufort Sea (Canadian Arctic) in 2009. Our main objective is to evaluate and compare the performance of a deterministic interpolation method (inverse distance, IDW) and a geostatistical method (ordinary kriging, OK) with a variation of method input parameters (search neighborhood, weights) for variables with increasing complexity in terms of data anisotropy and sampling configuration. Performance of different 3D interpolation strategies is evaluated by cross-validation and a qualitative comparison of 3D spatial models. Our results show that OK was the optimal method. However, when the complexity of pelagic variables increased in terms of spatial autocorrelation and data variation, the error difference between OK and IDW was reduced. We recommend that recent advances in spatial 3D modeling tools developed primarily for geological modeling should be exploited to extend the usual interpretation of marine pelagic phenomena from a 2D to a 3D environment.
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 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 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 ».