MétaCan
Menu
Retour à la cohorte
Enregistrement W4313485930 · doi:10.1080/07055900.2022.2155103

Comparison of SMOS, SMAP and <i>In Situ</i> Sea Surface Salinity in the Gulf of St. Lawrence

2022· article· en· W4313485930 sur OpenAlexaffvenueabout
J. Dumas, Denis Gilbert

Notice bibliographique

RevueATMOSPHERE-OCEAN · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesnon disponible
Mots-clésSalinityEnvironmental scienceSSS*SatelliteOceanographySoil salinityClimate changeClimatologyDrainage basinSea surface temperatureHydrology (agriculture)GeologyGeography

Résumé

récupéré en direct d'OpenAlex

The Gulf of St. Lawrence (GSL) is an Eastern Canada semi-enclosed sea under the influence of the freshwater discharge from the Great Lakes – St. Lawrence River drainage basin. Studying the variability of oceanographic conditions in the GSL under a changing climate is important for ecosystem and fisheries management. To supplement the available in situ sea surface salinity (SSS) measurements with satellite SSS data, this study compares all available years of Soil Moisture Ocean Salinity (SMOS) and Soil Moisture Active and Passive (SMAP) satellite SSS to in situ SSS observations. Despite the relatively cold water and proximity to land and sea ice, the satellite SSS is able to capture the interannual variability and annual cycle of SSS in the GSL, with correlations ranging from 0.80 to 0.85 in the Southern GSL, and 0.22 to 0.77 in the Northern GSL. All satellite SSS data products were able to detect the very low salinity year of 2017 in the Southern GSL.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

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

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 Opus0,017
Tête enseignante GPT0,241
Écart entre enseignants0,224 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations5
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueATMOSPHERE-OCEANMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207