Ocean Colour remote sensing in the Southern Laptev Sea: evaluation and applications
Notice bibliographique
Résumé
Abstract. Enhanced permafrost warming and increased arctic river discharges have heightened concern about the input of terrigeneous matter into Arctic coastal waters. We used optical operational satellite data from the Ocean Colour sensor MERIS onboard the ENVISAT satellite mission for synoptic monitoring of the pathways of terrigeneous matter in the southern Laptev Sea. MERIS satellite data from 2006 on to 2011 were processed using the Case2Regional Processor, C2R, installed in the open-source software ESA BEAM-VISAT. Since optical remote sensing using Ocean Colour satellite data has seen little application in Siberian Arctic coastal and shelf waters, we assess the applicability of the calculated MERIS parameters with surface water sampling data from the Russian-German ship expeditions LENA2010 and TRANSDRIFT-XVII taking place in August and September 2010 in the southern Laptev Sea. The surface waters of the southern Laptev Sea are characterized by low transparencies, due to turbid river water input, terrestrial input by coastal erosion, resuspension events and, therefore, high background concentrations of Suspended Particulate Matter, SPM, and coloured Dissolved Organic Matter, cDOM. The mapped calculated optical water parameters, such as the first attenuation depth, Z90, the attenuation coefficient, k, and Suspended Particulate Matter, SPM, visualize resuspension events that occur in shallow coastal and shelf waters indicating vertical mixing events. The mapped optical water parameters also visualize that the hydrography of the Laptev Sea is dominated by frontal meanders with amplitudes up to 30 km and eddies and filaments with diameters up to 100 km that prevail throughout the ice-free season. The meander crests, filaments and eddy-like structures that become visible through the mapped MERIS C2R parameters indicate enhanced vertical and horizontal transport energy for the transport of terrigenous and living biological matter in the surface waters during the ice-free season.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».