Variability and Uncertainty of Satellite Sea Surface Salinity in the Subpolar North Atlantic (2010–2019)
Notice bibliographique
Résumé
Satellite remote sensing of sea surface salinity (SSS) in the recent decade (2010–2019) has proven the capability of L-band (1.4 GHz) measurements to resolve SSS spatiotemporal variability in the tropical and subtropical oceans. However, the fidelity of SSS retrievals in cold waters at mid-high latitudes has yet to be established. Here, four SSS products derived from two satellite missions were evaluated in the subpolar North Atlantic Ocean in reference to two in situ gridded products. Harmonic analysis of annual and semiannual cycles in in situ products revealed that seasonal variations of SSS are dominated by an annual cycle, with a maximum in March and a minimum in September. The annual amplitudes are larger (>0.3 practical salinity scale (pss)) in the western basin where surface waters are colder and fresher, and weaker (~0.06 pss) in the eastern basin where surface waters are warmer and saltier. Satellite SSS products have difficulty producing the right annual cycle, particularly in the Labrador/Irminger seas where the SSS seasonality is dictated by the influx of Arctic low-salinity waters along the boundary currents. The study also found that there are basin-scale, time-varying drifts in the decade-long SMOS data records, which need to be corrected before the datasets can be used for studying climate variability of SSS.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 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 ».