The Coastal Surveillance Through Observation of Ocean Color (COASTℓOOC) dataset
Notice bibliographique
Résumé
Abstract. Coastal Surveillance Through Observation of Ocean Color (COASTℓOOC) oceanographic expeditions were conducted in 1997 and 1998 to examine the relationship between the optical properties of seawater and related biological and chemical properties across the coastal to open-ocean gradient in various European seas. A total of 379 stations were visited along the coasts of the Gulf of Lion in the Mediterranean Sea (n=61), the Adriatic Sea (n=39), the Baltic Sea (n=57), the North Sea (n=99), the English Channel (n=85), and the Atlantic Ocean (n=38). Particular emphasis was placed on the collection of a comprehensive set of apparent and inherent optical properties (AOPs and IOPs) to support the development of ocean color remote-sensing algorithms. The data were collected in situ using traditional ship-based sampling but also from a helicopter, which is a very efficient means for that type of coastal sampling. The dataset collected during the COASTℓOOC campaigns is unique in that it is fully consistent in terms of operators, protocols, and instrumentation. This rich and historical dataset is still today frequently requested and used by other researchers. Therefore, we present the result of an effort to compile and standardize a dataset which will facilitate its reuse in future development and evaluation of new bio-optical models adapted for optically complex waters. The dataset is available at https://doi.org/10.17882/93570 (Massicotte et al., 2023).
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».