Analytical modeling and correction of the ocean colour bidirectional reflectance across water types
Notice bibliographique
Résumé
The remote-sensing reflectance ( R rs ) varies with the illumination and viewing geometry, an effect referred to as anisotropy, bidirectionality, or bidirectional reflectance distribution function (BRDF). In the aquatic environment, bidirectionality arises from the anisotropic downwelling illumination, scattered by water and particles in varying proportions as a function of the scattering angle, and modulated by the two-way interaction with the sea surface. For remote sensing applications, it is desirable that the reflectance only depends on the inherent optical properties (IOPs). This process implies transforming R rs into a “corrected” or “normalized” R rs , N , referred to the sun at the zenith and the sensor zenith angle at the nadir. A recent review study (D'Alimonte et al., 2025) compared published BRDF methods, showing the better performance of that developed by Lee et al. (2011, henceforth L11) with respect to those proposed by Morel et al. (2002) and Park and Ruddick (2005). This article presents a new method starting from L11's analytical framework, named O25 after OLCI, the Ocean Colour sensor on Sentinel-3 satellite. O25 has been calibrated with a recently published synthetic dataset tailored to its needs (Pitarch and Brando, 2025). A comparative assessment using the same datasets as in D'Alimonte et al. (2025) concludes that O25 outperforms L11 and hence all pre-existing methods. O25 includes complementary operational features: (1) applicability range, (2) uncertainty estimates, and (3) a demonstrated reversibility of the bidirectional correction. O25's look-up tables are generic to any in situ and satellite sensors, including hyperspectral ones. For sensors such as Landsat/Sentinel 2, the IOPs retrieval component of O25 can easily be reformulated.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».