Optical closure in highly absorptive coastal waters: significance of inelastic scattering processes
Notice bibliographique
Résumé
In hydrological optics, "optical closure" means consistency between the apparent optical properties (AOPs) determined from radiometric measurements and those derived from radiative transfer modelling based on concurrently measured Inherent optical properties (IOPs) and boundary conditions (sea and sky states). Good optical closure not only provides confidence in the data quality but also informs on the adequacy of the radiative transfer parameterization. Achieving optical closure in highly absorptive coastal waters is challenging due to the low signal-to-noise ratio of radiometric measurements and uncertainties in the measurements of IOPs, namely the spectral absorption and backscattering coefficients. Here, we present an optical closure assessment using a comprehensive set of in situ IOPs acquired in highly absorptive coastal waters optically dominated by chromophoric dissolved organic matter (CDOM). The spectral remote sensing reflectance, Rrs(λ), was modeled using the software HydroLight (HL) with measured IOPs and observed boundary conditions. Corresponding in-water Rrs(λ) was derived from radiometric measurements made with a Compact Optical Profiling System (C-OPS; Biospherical). The assessment revealed that the inclusion of inelastic scattering processes in the model, specifically Sun-induced CDOM Fluorescence (fDOM) and Sun-Induced Chlorophyll Fluorescence (SICF) from Chlorophyll-a ([chl]), significantly improved the optical closure and led to good agreement between measured and modeled Rrs (i.e., for 440 ≤ λ ≤ 710 nm with no inelastic processes: R2=0.90, slope=0.64; with inelastic processes: R2=0.96, slope=0.90). The analysis also indicated that f_DOM and SICF contributed a substantial fraction of the green-red wavelength Rrs in these waters. Specifically, fDOM contributed ~18% of the modeled Rrs in the green region and SICF accounted for ~20% of the modeled Rrs in the red region. Overall, this study points out the importance of accounting for fDOM in remote sensing applications in CDOM-dominated waters.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».