The Effect of Mineral Sediments on Satellite Chlorophyll-a Retrievals from Line-Height Algorithms Using Red and Near-Infrared Bands
Notice bibliographique
Résumé
Red and near-infrared line-height algorithms such as the maximum chlorophyll index (MCI) are often considered optimal for remote sensing of chlorophyll-a (Chl-a) in turbid eutrophic waters, under the assumption of minimal influence from mineral sediments. This study investigated the impact of mineral turbidity on line-height algorithms using MCI as a primary example. Inherent optical properties from two turbid eutrophic lakes were used to simulate reflectance spectra. The simulated results: (1) confirmed a non-linear relationship between Chl-a and MCI; (2) suggested optimal use of the MCI at Chl-a < ~100 mg/m3 and saturation of the index at Chl-a ~300 mg/m3; (3) suggested significant variability in the MCI:Chl-a relationship due to mineral scattering, resulting in an RMSE in predicted Chl-a of ~23 mg/m3; and (4) revealed elevated Chl a retrievals and potential false positive algal bloom reports for sediment concentrations > 20 g/m3. A novel approach combining both MCI and its baseline slope, MCIslope reduced the RMSE to ~5 mg/m3. A quality flag based on MCIslope was proposed to mask erroneously high Chl-a retrievals and reduce the risk of false positive bloom reports in highly turbid waters. Observations suggest the approach may be valuable for all line-height-based Chl-a algorithms.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| 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 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 ».