Glider-Based Observations of CO <sub>2</sub> in the Labrador Sea
Notice bibliographique
Résumé
Abstract. Ocean gliders can provide high spatial and temporal resolution data and target specific ocean regions at a low cost compared to ship-based measurements. An important gap, however, given the need for carbon measurements, is the lack of capable sensors capable for glider-based CO2 measurements. We need to develop robust methods to evaluate novel CO2 sensors for gliders. Here we present results from testing the performance of a novel CO2 optode sensor (Atamanchuk et al., 2014), deployed on a Slocum glider, in the Labrador Sea and on the Newfoundland Shelf. We demonstrate our concept of validating data from this novel sensor during a long glider deployment using a secondary autonomous observing platform – the SeaCycler. Comparing data between different sensors and observing platforms can improve data quality and identify problems such as sensor drift. SeaCycler carried an extensively tested gas analyzer: the Pro-Oceanus's CO2-Pro CV, as part of its instrument float. The CO2-Pro CV has shown stable performance during lengthy observations (e.g. Jiang et al., 2014), but has a slow response time for continuous profiling, and its power consumption is not affordable for glider operations. This CO2 optode is an early prototype sensor that has not undergone rigorous testing on a glider, but is compact and uses little power. This paper summarizes the test results for this sensor on a Slocum glider. We capture the performance of the sensor, and for the Labrador Sea mission, comparing the glider data against the SeaCycler's measurements to compute an in-situ correction for the optode. We use the referenced data set to investigate trends in spatial and temporal variability captured by the glider data, pointing to short time and distances scales as drivers of change in this region.
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 ».