MétaCan
Menu
Retour à la cohorte
Enregistrement W4404430883 · doi:10.3389/fmars.2024.1441976

Oxygen optodes on oceanographic moorings: recommendations for deployment and in situ calibration

2024· article· en· W4404430883 sur OpenAlexaff
Una Kim Miller, Kristen E. Fogaren, Dariia Atamanchuk, Clare Johnson, Jannes Koelling, Isabela Le Bras, Margaret Lindeman, David Nicholson, Hilary I. Palevsky, Ellen Park, Meg Yoder, Jaime B. Palter

Notice bibliographique

RevueFrontiers in Marine Science · 2024
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMarine and coastal ecosystems
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésOceanographyIn situCalibrationEnvironmental scienceSoftware deploymentOxygenRemote sensingGeologyMeteorologyGeographyComputer scienceChemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Increasing interest in the deployment of optical oxygen sensors, or optodes, on oceanographic moorings reflects the value of dissolved oxygen (DO) measurements in studies of physical and biogeochemical processes. Optodes are well-suited for moored applications but require careful, multi-step calibrations in the field to ensure data accuracy. Without a standardized set of protocols, this can be an obstacle for science teams lacking expertise in optode data processing and calibration. Here, we provide a set of recommendations for the deployment and in situ calibration of data from moored optodes, developed from our experience working with a set of 60 optodes deployed as part of the Gases in the Overturning and Horizontal circulation of the Subpolar North Atlantic Program (GOHSNAP). In particular, we detail the correction of drift in moored optodes, which occurs in two forms: (i) an irreversible, time-dependent drift that occurs during both optode storage and deployment and (ii) a reversible and pressure-and-time-dependent drift that is detectable in some optodes deployed at depths greater than 1,000 m. The latter is virtually unidentified in the literature yet appears to cause a low-bias in measured DO on the order of 1 to 3 µmol kg−1 per 1,000 m of depth, appearing as an exponential decay over the first days to months of deployment. Comparisons of our calibrated DO time series against serendipitous mid-deployment conductivity-temperature-depth (CTD)-DO profiles, as well as biogeochemical (BGC)-ARGO float profiles, suggest the protocols described here yield an accuracy in optode-DO of ∼1%, or approximately 2.5 to 3 µmol kg−1. We intend this paper to serve as both documentation of the current best practices in the deployment of moored optodes as well as a guide for science teams seeking to collect high-quality moored oxygen data, regardless of expertise.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,090

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,034
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0060,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,004
Science ouverte0,0060,003
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0100,019

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,230
Écart entre enseignants0,217 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Marine ScienceMême sujetMarine and coastal ecosystemsTravaux en français237 207