Evaluation of different Maritime rapid environmental assessment procedures with a focus on acoustic performance
Notice bibliographique
Résumé
Four different Marine Rapid Environmental Assessment (MREA) procedures are compared with a focus on underwater acoustic performance. Co-located oceanographic-acoustic data were collected during the summer of 2015 in the Northwestern Mediterranean in the framework of a sea trial led by the NATO Centre for Maritime Research and Experimentation. The data were used to link MREA procedures and ocean-acoustic validation in a seamless framework. The MREA procedures consider Conductivity Temperature Depth (CTD) data, operational products from the Copernicus Marine Service, and two dynamical downscaling systems (with and without data assimilation). A portion of the oceanographic data are used for the assimilation procedure, and the remaining portion is withheld from the assimilation system for use as an independent verifying dataset. The accuracy of modelled acoustic properties is evaluated using the sound speed estimates from the different MREA methodologies as inputs to an acoustic model, and then comparing the modelled and observed acoustic arrival intensities and temporal structure. In 95% of the studied cases, the assimilative dynamical downscaling approach provides acoustic results equaling or exceeding in skill those modelled with the sound speed extracted from CTD casts. Acoustic assessment results indicate that our implementation of dynamical downscaling has skill at oceanographic scales of 4 km, about ten times larger than the ocean model horizontal resolution.
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 | 0,002 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».