MétaCan
Menu
Retour à la cohorte
Enregistrement W2587107519 · doi:10.3390/rs9020141

The Estimation of the North American Great Lakes Turbulent Fluxes Using Satellite Remote Sensing and MERRA Reanalysis Data

2017· article· en· W2587107519 sur OpenAlexaboutno aff
Sitthisak Moukomla, Peter D. Blanken

Notice bibliographique

RevueRemote Sensing · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesGeo-Informatics and Space Technology Development Agency
Mots-clésEddy covarianceEnvironmental scienceLatent heatSensible heatShoalFlux (metallurgy)Atmospheric sciencesSatelliteMeteorologyGeologyOceanographyGeographyPhysics

Résumé

récupéré en direct d'OpenAlex

This study provides the first technique to investigate the turbulent fluxes over the Great Lakes from July 2001 to December 2014 using a combination of data from satellite remote sensing, reanalysis data sets, and direct measurements. Turbulent fluxes including latent heat flux (QE) and sensible heat flux (QH) were estimated using the bulk aerodynamic approach, then compared with the direct eddy covariance measurements from the rooftop of three lighthouses—Stannard Rock Lighthouse (SR) in Lake Superior, White Shoal Lighthouse (WS) in Lake Michigan, and Spectacle Reef Lighthouse (SP) in Lake Huron. The relationship between modeled and measured QE and QH were in a good statistical agreement, for QE, R2 varied from 0.41 (WS), 0.74 (SR), and 0.87 (SP) with RMSE of 5.68, 6.93, and 4.67 W·m−2, respectively, while QH, R2 ranged from 0.002 (WS), 0.8030 (SP) and 0.94 (SR) with RMSE of 6.97, 4.39 and 4.90 W·m−2 respectively. Both monthly mean QE and QH were highest in January for all lakes except Lake Ontario, which was highest in early December. The turbulent fluxes then sharply drop in March and are negligible during June and July. The evaporation processes continue again in August.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,912
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,249
Écart entre enseignants0,228 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207