Satellite-derived bathymetry online - Validation study, upscaling SDB, SDB potential
Notice bibliographique
Résumé
Satellite-Derived Bathymetry (SDB) methods have found their way into the hydrographers’ toolbox and are part of integrated survey concepts, nautical charts and support global and European programs such as Seabed2030 or EMODnet Bathymetry. The concept of the ‘physics-based’ SDB describes the calculation of bathymetry by modelling the sunlight path from the sun to the seafloor to the satellite sensor. It is a highly sophisticated model which enables the calculation of shallow water depth in the absence of any other survey or ground-truth data. Thus, bathymetric data can also be retrieved for remote and inaccessible areas - in contrast to empirical SDB approaches. Key questions which arise for SDB results are vertical accuracy, potential and feasibility for different sites and the methods to upscale SDB solutions. These questions are addressed in the current European innovation project 4S. Within the project SDB-Online was developed, a fully physics-based SDB concept which is installed in a cloud and accessible via a web user interface. The backend is parallelised and can be accessed via application programming interface (API) which allows a fully scalable and automatic SDB processing. In this study SDB-Online results are validated at ten sites, ranging from the higher latitudes of Canada to turbid UK waters to the Caribbean. Furthermore, a relationship between the Secchi Disc Depth and the cutoff depth of the SDB results is established and a global map of water-clarity potential of the SDB solution is presented.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».