Comparison of ocean-colour algorithms for particulate organic carbon in global ocean
Notice bibliographique
Résumé
In the oceanic surface layer, particulate organic carbon (POC) constitutes the biggest pool of particulate material of biological origin, encompassing phytoplankton, zooplankton, bacteria, and organic detritus. POC is of general interest in studies of biologically-mediated fluxes of carbon in the ocean, and over the years, several empirical algorithms have been proposed to retrieve POC concentrations from satellite products. These algorithms can be categorised into those that make use of remote-sensing-reflectance data directly, and those that are dependent on chlorophyll concentration and particle backscattering coefficient derived from reflectance values. In this study, a global database of in situ measurements of POC is assembled, against which these different types of algorithms are tested using daily matchup data extracted from the Ocean Colour Climate Change Initiative (OC-CCI; version 5). Through analyses of residuals, pixel-by-pixel uncertainties, and validation based on optical water types, areas for POC algorithm improvement are identified, particularly in regions underrepresented in the in situ POC data sets, such as coastal and high-latitude waters. We conclude that POC algorithms have reached a state of maturity and further improvements can be sought in blending algorithms for different optical water types when the required in situ data becomes available. The best performing band ratio algorithm was tuned to the OC-CCI version 5 product and used to produce a global time series of POC between 1997–2020 that is freely available.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».