Evaluation of Satellite-Based Algorithms to Retrieve Chlorophyll-a Concentration in the Canadian Atlantic and Pacific Oceans
Notice bibliographique
Résumé
Remote-sensing reflectance data collected by ocean colour satellites are processed using bio-optical algorithms to retrieve biogeochemical properties of the ocean. One such important property is the concentration of chlorophyll-a, an indicator of phytoplankton biomass that serves a multitude of purposes in various ocean science studies. Here, the performance of two generic chlorophyll-a algorithms (i.e., a band ratio one, Ocean Colour X (OCx), and a semi-analytical one, Garver–Siegel Maritorena (GSM)) was assessed against two large in situ datasets of chlorophyll-a concentration collected between 1999 and 2016 in the Northeast Pacific (NEP) and Northwest Atlantic (NWA) for three ocean colour sensors: Sea-viewing Wide Field-of-view Sensor (SeaWiFS), Moderate Resolution Imaging Spectroradiometer (MODIS), and Visible Infrared Imaging Radiometer Suite (VIIRS). In addition, new regionally-tuned versions of these two algorithms are presented, which reduced the mean error (mg m−3) of chlorophyll-a concentration modelled by OCx in the NWA from −0.40, −0.58 and −0.45 to 0.037, −0.087 and −0.018 for MODIS, SeaWiFS, and VIIRS respectively, and −0.34 and −0.36 to −0.0055 and −0.17 for SeaWiFS and VIIRS in the NEP. An analysis of the uncertainties in chlorophyll-a concentration retrieval showed a strong seasonal pattern in the NWA, which could be attributed to changes in phytoplankton community composition, but no long-term trends were found for all sensors and regions. It was also found that removing the 443 nm waveband for the OCx algorithms significantly improved the results in the NWA. Overall, GSM performed better than the OCx algorithms in both regions for all three sensors but generated fewer chlorophyll-a retrievals than the OCx 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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».