Empirical Remote Sensing Algorithms to Retrieve SPM and CDOM in Québec Coastal Waters
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 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 découle