Iterative retrieval method for ocean attenuation profiles measured by airborne lidar
Notice bibliographique
Résumé
Lidar remote sensing for ocean optical properties has been increasingly applied because of its ability to provide vertical structure information, which cannot be directly obtained by ocean color remote sensing. However, the application of this technology demands an inversion method to infer two quantities, i.e., attenuation and backscatter, from a single measurement. Here, a new iterative retrieval method is demonstrated to deduce the attenuation coefficient from ocean lidar return signals. One calculates the logarithmic backscatter-to-attenuation ratio <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" display="inline"> <mml:mi>k</mml:mi> </mml:math> by an iterative solution based on a bio-optical model. Procedural examples of lidar-processing results—from raw data to attenuation—are presented, and the inversion results are compared with in situ measurements. The correlation coefficient R between the lidar-retrieval and in situ measurements is 0.8, and the root mean square error (RMSE) is 0.032. We then map the vertical structure of the lidar-retrieved attenuation along airborne lidar flight tracks and discuss the influences of <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" display="inline"> <mml:mi>k</mml:mi> </mml:math> , the reference depth <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" display="inline"> <mml:mrow class="MJX-TeXAtom-ORD"> <mml:msub> <mml:mi>z</mml:mi> <mml:mi>m</mml:mi> </mml:msub> </mml:mrow> </mml:math> , and the reference value <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" display="inline"> <mml:mrow class="MJX-TeXAtom-ORD"> <mml:msub> <mml:mi>α</mml:mi> <mml:mi>m</mml:mi> </mml:msub> </mml:mrow> </mml:math> . Consequently, the reference value has little influence on the results for high-optical-thickness water, and <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" display="inline"> <mml:mi>k</mml:mi> </mml:math> is the main error source in lidar return inversion. Primary results indicate that this method provides a more accurate <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" display="inline"> <mml:mi>k</mml:mi> </mml:math> and improves the inversion accuracy of the lidar attenuation coefficient.
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 | 0,000 | 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 ».