MétaCan
Menu
Retour à la cohorte
Enregistrement W4300957598 · doi:10.5194/bg-4-781-2007

Detailed validation of the bidirectional effect in various Case 1 waters for application to ocean color imagery

2007· article· en· W4300957598 sur OpenAlexfundno aff
A. Morel, David Antoine

Notice bibliographique

RevueBiogeosciences · 2007
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Oceanic and Atmospheric AdministrationCentre National de la Recherche ScientifiqueCentre National d’Etudes SpatialesEuropean Space AgencyNational Aeronautics and Space Administration
Mots-clésEnvironmental scienceRemote sensingGeology

Résumé

récupéré en direct d'OpenAlex

Abstract. The radiance viewed from the ocean depends on the illumination and viewing geometry along with the water properties, and this variation is called the bidirectional effect. This bidirectional effect depends on the inherent optical properties of the water, including the volume scattering function, and is important when comparing data from different satellite sensors. The current model of f/Q, which contains the bidirectional effect, by Morel et al. (2002) depends on modeled, not measured, water parameters, thus must be carefully validated. In this paper we combined upwelling radiance distribution data from several cruises, in varied water types and with a wide range of solar zenith angles. We compared modeled and measured Lview/Lnadir and found that the average difference between the model and data was less than 0.01, while the RMS difference between the model and data was on the order of 0.02–0.03. This is well within the statistical noise of the data, which was on the order of 0.04–0.05, due to environmental noise sources such as wave focusing.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,023
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,008
Tête enseignante GPT0,218
Écart entre enseignants0,210 · 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

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiogeosciencesMême sujetMarine and coastal ecosystemsTravaux en français237 207