Evaluation of MODIS-Aqua Atmospheric Correction and Chlorophyll Products of Western North American Coastal Waters Based on 13 Years of Data
Notice bibliographique
Résumé
There is an increasing need for satellite-derived accurate chlorophyll-a concentration (chla) products to improve fisheries management in coastal regions. However, the methods used to derive these products have to be evaluated, so the associated uncertainties are known. The performance of three atmospheric correction methods, the near infrared (NIR), the shortwave infrared (SWIR), and the Management Unit of the North Seas Mathematical Models with an additional modification (MUMM + SWIR), and derived chla products based on the Moderate Resolution Imaging Spectroradiometer AQUA (MODIS) images acquired from 2002 to 2014 over the west coast of Canada and the United States were evaluated. The atmospherically corrected products and above-water reflectance were compared with in situ AERONET (N ~ 650) and above-water reflectance (N ~ 34) data, and the Ocean Color 3 MODIS (OC3M)-derived chla were compared with in situ chla measurements (N ~ 82). The statistical analysis indicated that the MUMM + SWIR method was the most appropriate for this region, with relatively good retrievals of the atmospheric products, improved retrieval of remote sensing reflectance with bias lower than 20% for the OC3M bands, and improved retrievals of chla (r = 0.83, slope = 0.89, logRMSE = 0.33 mg m−3 for ±1 h). The poorest chla retrievals were achieved with the SWIR and NIR methods. These results represent the most comprehensive satellite data analysis of MODIS retrievals for this region and provide a framework for the MUMM + SWIR method that can be further tested in other coastal regions of the world.
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 ».