Evolution of Copernicus Marine Surface Temperature Products in Coastal Regions and High Latitudes
Notice bibliographique
Résumé
This talk was given at the 25th International SST Users’ Symposium and GHRSST Science Team Meeting (GHRSST25) held in Montreal, Canada/Online from 10 – 14 June 2024. Explore the full program at GHRSST25 on the GHRSST Website here. Abstract Accurate long-term measurements of marine surface temperatures are required to understand key physical processes at the ocean-atmosphere interface and any changes that may occur to these processes over time. The Copernicus Sea and Land Surface Temperature Radiometer (SLSTR) is a multi-spectral dual-view radiometer with two on-board blackbodies and cooled detectors ensuring accurate radiometric measurements for the estimation of sea surface temperature (SST) and sea-ice surface temperature (sea-IST). Operational retrieval of SST from satellite thermal infrared (TIR) radiances relies on a pre-processing step to identify and discard cloud-affected observations. Coastal regions offer particularly challenging regimes for cloud detection owing to an increased frequency of turbid waters modifying ocean colour and SST fronts generating sharp gradients in the TIR. Here we present new approaches for cloud detection prior to SST retrieval from SLSTR and illustrate the benefits using case studies in coastal zones covering optically bright waters and around strong ocean fronts. The evolution also includes a new high-latitude combined SST and sea-IST product implemented at the nominal SLSTR TIR resolution (1 km) and routinely processed for SLSTR-A/B over the high latitude regions (>50° poleward in both the Northern and Southern hemispheres). Sea-IST cloud masking is provided by the EUMETSAT NWC SAF PPS cloud and cloud probability algorithms. Initial validation results indicate the sea-IST performance for SLSTR-B in particular is very good and already close to the Essential Climate Variable (ECV) goal of 1 degree Celsius. Moreover, the challenging cases of winter / night-time performance is also of good quality and not too far from daytime performance. Pre-operational products in GHRSST L2P format will be available to users from the Copernicus WEkEO DIAS reference service for evaluation from April 2024, with operational implementation expected from Spring 2025.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».