Assessment of long-term stability of inductive conductivity sensors at Argo floats
Notice bibliographique
Résumé
<p>This study analyses accuracy and stability of salinity measurements collected by four Argo autonomous drifters with RBR Ltd. inductive conductivity sensors operating in the Pacific Ocean during the recent 2-4 years. Inductive sensors have advantages over traditionally used electrode-type cells due to their better resistance to surface contamination and low power requirements, resulting in more robust and accurate measurements and extended float lifetimes.  Proper assessment of the quality of the data collected by autonomous drifters is challenging due to lack of reference information. An important part of Argo program is the Delayed-Mode Quality Control process including salinity drift analysis and correction using the ‘Owens-Wong Calibration’ (OWC) method based on objective mapping of available reference data. This method, however, can misinterpret imperfect reference data as sensor drift. In this study, analyzing OWC output we introduce a combination of visualization methods focused on the locations where reference data can be treated as problematic. These methods include the analysis of spatial locations of the ‘profile correction factor’ along the float trajectory, comparing reference salinity fields calculated by the OWC method to additional reference sources (climatologies) and comparative analysis of different floats operating in the same area using the same reference datasets. The results demonstrate high level of stability of inductive conductivity cells on Argo floats, making them promising alternative for traditionally used Argo float CTDs equipped with electrode-type conductivity sensors.</p><p> </p>
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 ».