A Benchmark Dataset of Water Levels and Waves for SWOT Calibration and Validation: Insights from the St. Lawrence Estuary and Saguenay Fjord
Notice bibliographique
Résumé
The St. Lawrence Estuary and Saguenay Fjord (Quebec, Canada) form a macro-tidal, seasonally ice-covered system exhibiting strong spatial and temporal gradients in water surface dynamics due to the interaction of tides, river discharge, internal waves, and complex bathymetry. During the SWOT mission’s Calibration/Validation (Cal/Val) phase (April–July 2023), this region was advantageously located under the fast-sampling orbit, acquiring near-daily, high-resolution KaRIn observations along a ~300 km reach of the estuary. To support SWOT validation and enable new scientific investigations, we assembled a comprehensive multi-sensor dataset combining in-situ and remote sensing measurements. The dataset includes tide gauges and wave buoys, GNSS-IR sensors, HF radars, ADCPs, airborne LiDAR and AirSWOT measurements, and satellite altimetry (RCM, Sentinel), spanning both the pre- and post-launch Cal/Val and Science phases of SWOT. These observations were co-located in time and space with SWOT overpasses to provide reference measurements of water surface elevation, slope, and surface wave variability under various environmental conditions, including ice and storm events. Building on this dataset, we apply an advanced harmonic analysis approach tailored to short and/or sparsely sampled SWOT records, blending tide gauge information to achieve super-resolution of non-stationary tides. Particular attention is given to the fluvial–estuarine transition zone (FETZ), where conventional observations are spatially sparse and physical processes are nonlinear and nonstationary. This curated dataset represents one of the most complete field observation efforts ever conducted in a cold-region estuary for satellite altimetry, offering a valuable resource for validating SWOT performance and improving our understanding of estuarine hydrodynamics. It is designed to support cross-comparisons with models and to advance coastal altimetry applications.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».