MétaCan
Menu
Retour à la cohorte
Enregistrement W2902908554 · doi:10.1525/elementa.331

Harnessing remote sensing to address critical science questions on ocean-atmosphere interactions

2018· article· en· W2902908554 sur OpenAlexaff
Griet Neukermans, Tristan Harmel, Martí Galí, Natália Rudorff, Jacek Chowdhary, Оleg Dubovik, C. A. Hostetler, Yongxiang Hu, Cédric Jamet, Kirk Knobelspiesse, Yoav Lehahn, Pavel Litvinov, A. M. Sayer, Brian Ward, Emmanuel Boss, Ilan Koren, Lisa A. Miller

Notice bibliographique

RevueElementa Science of the Anthropocene · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric aerosols and clouds
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesEuropean Space AgencyNational Aeronautics and Space Administration
Mots-clésAtmosphere (unit)Interface (matter)Remote sensingEnvironmental scienceEarth system scienceScale (ratio)MeteorologyOcean observationsComputer scienceData scienceGeographyOceanographyGeology

Résumé

récupéré en direct d'OpenAlex

Earth observing systems have proven to be a unique source of long-term synoptic information on numerous physical, chemical and biological parameters on a global scale. Merging this information for integrated studies that peruse key questions about the ocean-atmosphere interface is, however, very challenging. Such studies require interdisciplinary frameworks and novel insights into ways to address the problem. We present here a perspective review on how current and emerging remote sensing technologies could help address two scientific questions within the Surface Ocean-Lower Atmosphere Study (SOLAS) science plan: (1) to what extent does upper-ocean biology affect the composition and radiative properties of the marine boundary layer; and (2) to what extent does upper-ocean turbulence drive fluxes of mass and energy at the air-sea interface. We provide a thorough review of how these questions have been addressed and discuss novel potential avenues using multiplatform space-borne missions, from visible to microwave, active and passive sensors.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,168
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0030,013
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,017
Tête enseignante GPT0,331
Écart entre enseignants0,313 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
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

Citations36
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueElementa Science of the AnthropoceneMême sujetAtmospheric aerosols and cloudsTravaux en français237 207