MétaCan
Menu
Retour à la cohorte
Enregistrement W3092610929 · doi:10.1175/jtech-d-20-0058.1

Accuracy and Long-Term Stability Assessment of Inductive Conductivity Cell Measurements on Argo Floats

2020· article· en· W3092610929 sur OpenAlexaff
Nikolay P. Nezlin, Mathieu Dever, Mark Halverson, Jean-Michel Leconte, Guillaume Maze, Clark Richards, I. Shkvorets, Rui Zhang, Greg Johnson

Notice bibliographique

RevueJournal of Atmospheric and Oceanic Technology · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensBedford Institute of Oceanography
Organismes subventionnairesEuropean CommissionInstitut Français de Recherche pour l'Exploitation de la Mer
Mots-clésArgoHydrographyEnvironmental scienceCTDMeteorologyStability (learning theory)Computer scienceRemote sensingGeologyClimatologyOceanographyPhysicsMachine learning

Résumé

récupéré en direct d'OpenAlex

Abstract This study demonstrates the long-term stability of salinity measurements from Argo floats equipped with inductive conductivity cells, which have extended float lifetimes as compared to electrode-type cells. New Argo float sensor payloads must meet the demands of the Argo governance committees before they are implemented globally. Currently, the use of CTDs with inductive cells designed and manufactured by RBR, Ltd., has been approved as a Global Argo Pilot. One requirement for new sensors is to demonstrate stable measurements over the lifetime of a float. To demonstrate this, data from four Argo floats in the western Pacific Ocean equipped with the RBRargo CTD sensor package are analyzed using the same Owens–Wong–Cabanes (OWC) method and reference datasets as the Argo delayed-mode quality control (DMQC) operators. When run with default settings against the standard DMQC Argo and CTD databases, the OWC analysis reveals no drift in any of the four RBRargo datasets and, in one case, an offset exceeding the Argo target salinity limits. Being a statistical tool, the OWC method cannot strictly determine whether deviations in salinity measurements with respect to a reference hydrographic product (e.g., climatologies) are caused by oceanographic variability or sensor problems. So, this study furthermore investigates anomalous salinity measurements observed when compared with a reference product and demonstrates that anomalous values tend to occur in regions with a high degree of variability and can be better explained by imperfect reference data rather than sensor drift. This study concludes that the RBR inductive cell is a viable option for salinity measurements as part of the Argo program.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,252
Écart entre enseignants0,219 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Atmospheric and Oceanic TechnologyMême sujetOceanographic and Atmospheric ProcessesTravaux en français237 207