Partitioning the Indian Ocean based on surface fields of physical and biological properties
Notice bibliographique
Résumé
Comprehensively sampling the ocean in situ remains a challenge, even in the current era of rapid technological development. In less than a decade, the deployment of thousands of autonomous profiling floats increased the number of ocean temperature profiles by an order of magnitude compared to ship-based sampling in the past. But expendable floats cannot sample all the physical and biogeochemical regimes in the global ocean. A promising avenue that could guide in situ sampling is to partition oceans based on selected properties in order to identify “homogeneous” areas. This approach greatly reduces the number of measurements needed to represent the state of the ocean. However, homogeneous areas can be partitioned in many ways: depending on whether a single or several properties are considered; and on whether the definition of boundaries is left to expert knowledge or derived from objective analysis techniques. Here, we use a clustering method to map and partition many surface variables, and we further examine how this partitioning is affected by various ways of averaging or normalizing the input data. We performed this study using 15 different surface fields of physical and biological properties derived from satellite remote sensing observations and from global model outputs at a monthly resolution. The area of study is the Indian Ocean - one of the least-sampled oceans - which is the focus of a global research effort under the auspices of the second International Indian Ocean Expedition (IIOE-2). We show a strong effect of the average absolute values of the data, which can be removed to better examine the phenology of the properties. However, normalization is not mandatory; the technique selected should depend on the scientific questions at hand. Our clusters did generally did not match closely the regions identified by Longhurst in his seminal work on ocean provinces.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».