Development of a Maximum Specific Photosynthetic Rate Algorithm Based on Remote Sensing Data: a Case Study for the Atlantic Ocean
Notice bibliographique
Résumé
New regional empirical algorithms were developed to obtain maximum specific photosynthetic rates of phytoplankton ( $$P_{m}^{B}$$ ) in the surface layer of the Atlantic Ocean. These algorithms were based on the dependence of $$P_{m}^{B}$$ on seawater temperature. Sea Surface Temperature remote sensing data and the PANGAEA global database of photosynthesis–irradiance parameters were used to test the algorithm. In addition, the variability in $$P_{m}^{B}$$ , both spatially (from 60° S to 85° N) and seasonally, (2002–2013) was estimated. The highest $$P_{m}^{B}$$ was obtained in December in areas of deep convection and the interaction between the Labrador Current and the Gulf Stream, while minimum values were observed in the northern and equatorial–tropical parts of the ocean during the time intervals between the phytoplankton blooms (March to September–October). In addition, existing $$P_{m}^{B}$$ and $$P_{{{\text{opt}}}}^{B}$$ algorithms used in primary production models, as well as the $$P_{m}^{B}$$ algorithm developed using temperature and chlorophyll a data from AMT-29, which were then tested using the PANGAEA dataset. The results show that the new $$P_{m}^{B}$$ algorithm developed using seawater temperature data with regionally adjusted empirical coefficients correlated best with the in situ data.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».