MétaCan
Menu
Retour à la cohorte
Enregistrement W4416298216 · doi:10.3389/fmars.2025.1672298

Evaluation of satellite-based sea surface salinity derived from two distinct spectral domains over the coastal waters of the St. Lawrence Estuary and Gulf

2025· article· en· W4416298216 sur OpenAlexaffabout
Julien Laliberté, Guillaume Guénard, Jacqueline Dumas, Peter S. Galbraith, Sarah R. Hall, David S. Trossman, Steve Vissault

Notice bibliographique

RevueFrontiers in Marine Science · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensFisheries and Oceans Canada
Organismes subventionnairesNational Oceanic and Atmospheric AdministrationNational Aeronautics and Space Administration
Mots-clésEstuarySalinitySSS*SatelliteSea iceSea surface temperatureOcean colorStorm

Résumé

récupéré en direct d'OpenAlex

Brightness temperature is operationally used to retrieve sea surface salinity (TB-SSS) over the global ocean, but is contaminated by land and sea ice in close proximity. Ocean color can be used to retrieve SSS (OC-SSS) via the relation between color and salinity, but this relation is only valid over the coastal ocean with terrestrial influence. Important ecological areas exist where both spectral domains can provide SSS estimates. Here we compare these estimates over the St. Lawrence Estuary and Gulf in Eastern Canada, where a large collection of near-surface in situ salinity measurements is available. While TB-SSS faces a significant limitation in undersampling spatial variability, OC-SSS is predominantly hindered by cloud cover. Offshore, TB-SSS data are considerably more abundant than OC-SSS data, the latter of which are available only about 30% as often as the former. However, OC-SSS estimates extend into more nearshore areas, such as the St. Lawrence Estuary. Additionally, OC-SSS estimates are more accurate, with a root mean square difference of 0.46 g kg −1 compared to 0.79 g kg −1 for TB-SSS. We employed each of these satellite-derived SSS products to compare the pronounced freshwater pulse of 2017 and post-tropical storm Dorian of fall 2019, finding that short-lived events were better captured by the OC-SSS product. In contrast, the TB-SSS product offered more extensive temporal coverage but smoothed out such events. Our analyses underscore the need for higher-resolution satellite salinity-sensors in coastal studies. In the meantime, ocean color data resolves submesoscale features and can help enhance our understanding of these dynamic environments.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,521
Score d'incertitude au seuil0,953

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,229
Écart entre enseignants0,219 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Marine ScienceMême sujetOceanographic and Atmospheric ProcessesTravaux en français237 207