Uncrewed surface vehicles in the Global Ocean Observing System: a new frontier for observing and monitoring at the air-sea interface
Notice bibliographique
Résumé
Observing air-sea interactions on a global scale is essential for improving Earth system forecasts. Yet these exchanges are challenging to quantify for a range of reasons, including extreme conditions, vast and remote under-sampled locations, requirements for a multitude of co-located variables, and the high variability of fluxes in space and time. Uncrewed Surface Vehicles (USVs) present a novel solution for measuring these crucial air-sea interactions at a global scale. Powered by renewable energy (e.g., wind and waves for propulsion, solar power for electronics), USVs have provided navigable and persistent observing capabilities over the past decade and a half. In our review of 200 USV datasets and 96 studies, we found USVs have observed a total of 33 variables spanning physical, biogeochemical, biological and ecological processes at the air-sea transition zone. We present a map showing the global proliferation of USV adoption for scientific ocean observing. This review, carried out under the auspices of the ‘Observing Air-Sea Interactions Strategy’ (OASIS), makes the case for a permanent USV network to complement the mature and emerging networks within the Global Ocean Observing System (GOOS). The Observations Coordination Group (OCG) overseeing GOOS has identified ten attributes of an in-situ global network. Here, we discuss and evaluate the maturation of the USV network towards meeting these attributes. Our article forms the basis of a roadmap to formalise and guide the global USV community towards a novel and integrated ocean observing frontier.
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,009 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».