MétaCan
Menu
Retour à la cohorte
Enregistrement W4223918552 · doi:10.3389/frsen.2022.834908

Empirical Remote Sensing Algorithms to Retrieve SPM and CDOM in Québec Coastal Waters

2022· article· en· W4223918552 sur OpenAlexaffabout
Raphaël Mabit, Carlos A. S. Araújo, Rakesh Kumar Singh, Simon Bélanger

Notice bibliographique

RevueFrontiers in Remote Sensing · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensUniversité du Québec à Rimouski
Organismes subventionnairesnon disponible
Mots-clésColored dissolved organic matterRemote sensingEnvironmental scienceSatelliteEstuaryBayMultispectral imageOcean colorSpectral slopeAtmospheric correctionParticulatesAbsorption (acoustics)AlgorithmOceanographyGeologyComputer scienceSpectral linePhysicsChemistryOptics

Résumé

récupéré en direct d'OpenAlex

In most coastal waters, riverine inputs of suspended particulate matter (SPM) and colored dissolved organic matter (CDOM) are the primary optically active constituents. Moderate- and high-resolution satellite optical sensors, such as the Operational Land Imager (OLI) on Landsat-8 and the MultiSpectral Instrument (MSI) on Sentinel-2, offer a synoptic view at high spatial resolution (10–30 m) with weekly revisits allowing the study of coastal dynamics (e.g., river plumes and sediment re-suspension events). Accurate estimations of CDOM and SPM from space require regionally tuned bio-optical algorithms. Using an in situ dataset of CDOM, SPM, and optical properties (both apparent and inherent) from various field campaigns carried out in the coastal waters of the estuary and Gulf of St. Lawrence (EGSL) and eastern James Bay (JB) ( N = 347), we developed regional algorithms for OLI and MSI sensors. We found that CDOM absorption at 440 nm [ a g (440)] can be retrieved using the red-to-green band ratio for both EGSL and JB. In contrast, the SPM algorithm required regional adjustments due to significant differences in mass-specific inherent optical properties. Finally, the application of regional algorithms to satellite images from OLI and MSI indicated that the atmospheric correction (AC) algorithm C2RCC gives the most accurate remote-sensing reflectance ( R rs ) absolute values. However, the ACOLITE algorithm gives the best results for CDOM estimation (almost null bias; median symmetric accuracy of 45% and R 2 of 0.78) as it preserved the R rs spectral shape, while tending to yield positively bias SPM (88%). We conclude that the choice of the algorithm depends on the parameter of interest.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,145
Score d'incertitude au seuil0,292

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,013
Tête enseignante GPT0,218
Écart entre enseignants0,205 · 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'étudeExpérimental (laboratoire)
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

Citations31
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Remote SensingMême sujetMarine and coastal ecosystemsTravaux en français237 207