Correction of profiles of in‐situ chlorophyll fluorometry for the contribution of fluorescence originating from non‐algal matter
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
Abstract In situ chlorophyll fluorometers have been widely employed for more than half a century, and to date, it still remains the most used instrument to estimate chlorophyll‐a concentration in the field, especially for measurements onboard autonomous observation platforms, e.g., Bio‐Argo floats and gliders. However, in deep waters (> 300 m) of some specific regions, e.g., subtropical gyres and the Black Sea, the chlorophyll fluorescence profiles frequently reveal “deep sea red fluorescence” features. In line with previous studies and through the analysis of a large data set (cruise transect in the South East Pacific and data acquired by 82 Bio‐Argo floats), we show that the fluorescence signal measured by a humic‐like DOM fluorometer is highly correlated to the “deep sea red fluorescence.” Both fluorescence signals are indeed linearly related in deep waters. To remove the contribution of non‐algal organic matter from chlorophyll fluorescence profiles, we introduce a new correction. Rather that removing a constant value (generally the deepest chlorophyll a fluorescence value from the profile, i.e., so‐called “deep‐offset correction”), we propose a correction method which relies on DOM fluorometry and on its variation with depth. This new method is validated with chlorophyll concentration extracted from water samples and further applied on the Bio‐Argo float data set. More generally, we discuss the potential of the proposed method to become a standard and routine procedure in quality‐control and correction of chlorophyll a fluorescence originating from Bio‐Argo network.
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 | 0,000 |
| 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 découle