MétaCan
Menu
Retour à la cohorte
Enregistrement W3198081050 · doi:10.3389/fmars.2021.686750

Validation of Non-photochemical Quenching Corrections for Chlorophyll-a Measurements Aboard Ships of Opportunity

2021· article· en· W3198081050 sur OpenAlexafffund
Hana Travers-Smith, Fernanda Giannini, Akash R. Sastri, Maycira Costa

Notice bibliographique

RevueFrontiers in Marine Science · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensFisheries and Oceans CanadaUniversity of Victoria
Organismes subventionnairesCanadian Space AgencyUniversities Space Research AssociationNatural Sciences and Engineering Research Council of CanadaPacific Salmon FoundationMarine Environmental Observation Prediction and Response Network
Mots-clésEnvironmental scienceChlorophyll fluorescenceQuenching (fluorescence)FluorescenceChlorophyll aSampling (signal processing)Biological systemRemote sensingChlorophyllChemistryComputer scienceBiologyOpticsPhysicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

The in vivo fluorescence of chlorophyll- a is commonly used as a proxy for phytoplankton biomass. Measurement of in vivo fluorescence in the field is attractive because it can be made at high spatial temporal, and vertical resolution relative to discrete sampling and pigment extraction. Fluorometers installed on ships of opportunity provide a cost-effective alternative to many of the traditional sampling methods. However, fluorescence-based estimates of chlorophyll- a can be impacted by sensor calibration and biofouling, variations in phytoplankton taxonomy and physiology (such as non-photochemical quenching) and the influence of other fluorescing matters in the water. Several methods have been proposed to address these issues separately, but few studies have addressed the interaction of multiple sources of error in the in vivo Chl- a fluorescence signal. Here, we demonstrate a method to improve the accuracy of chlorophyll- a concentration retrieved from a coastal ferry system, operating in a dynamic estuarine system. First, we used HPLC chlorophyll- a measurements acquired in low-light conditions to correct sensor level bias. Next, we tested three methods to correct the effect of non-photochemical quenching and evaluated the accuracy of each method using HPLC. As our study area is in highly dynamic coastal waters, we also evaluated the accuracy of our correction procedure across a range of irradiance and biogeochemical conditions. We found that sensor bias accounted for a significant portion of error in the fluorescence signal. The NPQ correction developed by Davis et al. (2008) best improved correspondence between in vivo Chl- a fluorescence and HPLC-based measurement of extracted Chl- a . We suggest the use of this correction for in vivo Chl-a measurements along with pre-processing steps to correct potential sensor biofouling and bias.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,360
Score d'incertitude au seuil0,333

Scores Codex et Gemma par catégorie

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

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 Opus0,029
Tête enseignante GPT0,244
Écart entre enseignants0,215 · 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 tête enseignante, 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

Citations9
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Marine ScienceMême sujetMarine and coastal ecosystemsTravaux en français237 207