Centre de documentation
scientifique

Artificial intelligence oceanography / Xiaofeng Li (2023)  

Public Titre : Artificial intelligence oceanography Type de document : Monographie Auteurs : Xiaofeng Li, Éditeur scientifique ; Fan Wang, Éditeur scientifique Editeur : Springer Nature Année de publication : 2023 Importance : 346 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-981-19637-5-9 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] algue [Termes IGN] apprentissage profond [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] cyclone [Termes IGN] détection d'objet [Termes IGN] iceberg [Termes IGN] intelligence artificielle [Termes IGN] océanographie [Termes IGN] température de surface de la mer Résumé : (éditeur) This open access book invites readers to learn how to develop artificial intelligence (AI)-based algorithms to perform their research in oceanography. Various examples are exhibited to guide details of how to feed the big ocean data into the AI models to analyze and achieve optimized results. The number of scholars engaged in AI oceanography research will increase exponentially in the next decade. Therefore, this book will serve as a benchmark providing insights for scholars and graduate students interested in oceanography, computer science, and remote sensing. Note de contenu : 1- Artificial Intelligence Foundation of smart ocean 2- Forecasting tropical instability waves based on artificial intelligence 3- Sea surface height anomaly prediction based on artificial intelligence 4- Satellite data-driven internal solitary wave forecast based on machine learning techniques 5- AI-based subsurface thermohaline structure retrieval from remote sensing observations 6- Ocean heat content retrieval from remote sensing data based on machine learning 7- Detecting tropical cyclogenesis using broad learning system from satellite passive microwave observations 8- Tropical cyclone monitoring based on geostationary satellite imagery 9- Reconstruction of pCO2 data in the Southern ocean based on feedforward neural network 10- Detection and analysis of mesoscale eddies based on deep learning 11- Deep convolutional neural networks-based coastal inundation mapping from SAR imagery: with one application case for Bangladesh, a UN-defined least developed country 12- Sea ice detection from SAR images based on deep fully convolutional networks 13- Detection and analysis of marine green algae based on artificial intelligence 14- Automatic waterline extraction of large-scale tidal flats from SAR images based on deep convolutional neural networks 15- Extracting ship’s size from SAR images by deep learning 16- Benthic organism detection, quantification and seamount biology detection based on deep learning Numéro de notice : 24105 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Monographie DOI : 10.1007/978-981-19-6375-9 En ligne : https://link.springer.com/book/10.1007/978-981-19-6375-9 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103058

Geographic-dependent variational parameter estimation: A case study with a 2D ocean temperature model / Zhenyang Du in Journal of Marine Systems, vol 237 (January 2023)  

Public [article]  inJournal of Marine Systems > vol 237 (January 2023) Titre : Geographic-dependent variational parameter estimation: A case study with a 2D ocean temperature model Type de document : Article/Communication Auteurs : Zhenyang Du, Auteur ; Xuefeng Zhang, Auteur ; et al., Auteur Année de publication : 2023 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes IGN] assimilation des données [Termes IGN] estimation statistique [Termes IGN] modèle océanographique [Termes IGN] océanographie spatiale [Termes IGN] température de surface de la mer [Termes IGN] teneur en chaleur de l'océan Résumé : (auteur) Using observational information to tune uncertain physical parameters in an ocean model via a robust data assimilation method has great potential to reduce model bias and improve the quality of sea temperature analysis and prediction. However, how observational information should be used to optimize geographic-dependent parameters through four-dimensional variational (4DVAR) data assimilation, which is one of the most prevailing assimilation methods, has not been fully studied. In this study, a two-step 4DVAR method is proposed to enhance parameter correction when the assimilation model contains biased geographic-dependent parameters within a biased model framework. Here, the biased parameters are set to an oceanic eddy diffusion coefficient, Kv, that plays an important role in modulating synoptic, seasonal and long-term changes in ocean heat content. Within a twin assimilation experiment framework, the temperature “observations” generated from sampling a “truth” model are assimilated into a biased model to investigate to what extent Kv can be estimated using the 4DVAR method when Kv remains geographic-dependent. The results show that the geographic-dependent Kv distribution can be optimally estimated to further improve the sea temperature analysis performance compared with the state estimation only method. In addition, the model prediction performance is also discussed with optimally estimated parameters under various conditions of noisy and/or sparse ocean observations. These results provide some insights for the prediction of ocean temperature mixing and stratification in a 3D primitive ocean numerical model using 4DVAR data assimilation. Numéro de notice : A2023-080 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1016/j.jmarsys.2022.103824 En ligne : https://doi.org/10.1016/j.jmarsys.2022.103824 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102716 [article]

Sea surface temperature prediction model for the Black Sea by employing time-series satellite data: a machine learning approach / Hakan Oktay Aydınlı in Applied geomatics, vol 14 n° 4 (December 2022)  

Public [article]  inApplied geomatics > vol 14 n° 4 (December 2022) . - pp 669 - 678 Titre : Sea surface temperature prediction model for the Black Sea by employing time-series satellite data: a machine learning approach Type de document : Article/Communication Auteurs : Hakan Oktay Aydınlı, Auteur ; Ali Ekincek, Auteur ; Mervegül Aykanat-Atay, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 669 - 678 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] analyse diachronique [Termes IGN] apprentissage automatique [Termes IGN] classification par réseau neuronal récurrent [Termes IGN] détection de changement [Termes IGN] données Copernicus [Termes IGN] image Aqua-MODIS [Termes IGN] méthode des moindres carrés [Termes IGN] modèle de simulation [Termes IGN] Noire, mer [Termes IGN] optimisation (mathématiques) [Termes IGN] série temporelle [Termes IGN] température de surface de la mer Résumé : (auteur) High temporal resolution remote sensing images provide continuous data about the marine environment, which is critical for gaining extensive knowledge about the aquatic environment and marine species. Sea surface temperature (SST) is one of the basic parameters that can be obtained with the help of remote sensing. Long-term alterations in the SST can affect the aquatic environment and marine species, such as the life expectancy of anchovies in the Black Sea. Forecasting the dynamics of SSTs is crucial for detecting and eliminating the SST-oriented impacts. The goal of the current study is to construct a predictive model to estimate the daily SST value for the mid-Black Sea using a machine learning approach by employing time-series satellite data from 2008 to 2021. Turkey’s mid-Black Sea coastal line, comprising Ordu, Samsun, and Sinop stations, was chosen as the study area. The SST predictive model was represented by applying the recurrent neural network (RNN) long- and short-term memory (LSTM). Adam stochastic optimization was used for validation, and the mean square error (MSE) for each location was found to be 0.914, 0.815, and 0.802, respectively. The findings indicate that our model is significantly promising for accurate and effective short- and midterm daily SST prediction. Numéro de notice : A2022-894 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1007/s12518-022-00462-y Date de publication en ligne : 23/08/2022 En ligne : https://doi.org/10.1007/s12518-022-00462-y Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102242 [article]

Synergistic use of the SRAL/MWR and SLSTR sensors on board Sentinel-3 for the wet tropospheric correction retrieval / Pedro Aguiar in Remote sensing, vol 14 n° 13 (July-1 2022)  

Public [article]  inRemote sensing > vol 14 n° 13 (July-1 2022) . - n° 3231 Titre : Synergistic use of the SRAL/MWR and SLSTR sensors on board Sentinel-3 for the wet tropospheric correction retrieval Type de document : Article/Communication Auteurs : Pedro Aguiar, Auteur ; Telmo Vieira, Auteur ; Clara Lázaro, Auteur ; M. Joanna Fernandes, Auteur Année de publication : 2022 Article en page(s) : n° 3231 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes IGN] correction troposphérique [Termes IGN] image Sentinel-3 [Termes IGN] température de surface de la mer Résumé : (auteur) The Sentinel-3 satellites are equipped with dual-band Microwave Radiometers (MWR) to derive the wet tropospheric correction (WTC) for satellite altimetry. The deployed MWR lack the 18 GHz channel, which mainly provides information on the surface emissivity. Currently, this information is considered using additional parameters, one of which is the sea surface temperature (SST) extracted from static seasonal tables. Recent studies show that the use of a dynamic SST extracted from Numerical Weather Models (ERA5) improves the WTC retrieval. Given that Sentinel-3 carries on board the Sea and Land Surface Temperature Radiometer (SLSTR), from which SST observations are derived simultaneously with those of the Synthetic Aperture Radar Altimeter and MWR sensors, this study aims to develop a synergistic approach between these sensors for the WTC retrieval over open ocean. Firstly, the SLSTR-derived SSTs are evaluated against the ERA5 model; secondly, their impact on the WTC retrieval is assessed. The results show that using the SST input from SLSTR, instead of ERA5, has no impact on the WTC retrieval, both globally and regionally. Thus, for the WTC retrieval, there seems to be no advantage in having collocated SST and radiometer observations. Additionally, this study reinforces the fact that the use of dynamic SST leads to a significant improvement over the current Sentinel-3 WTC operational algorithms. Numéro de notice : A2022-571 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.3390/rs14133231 Date de publication en ligne : 05/07/2022 En ligne : https://doi.org/10.3390/rs14133231 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101287 [article]

Contraintes observationnelles historiques sur la sensibilité climatique : implications pour les projections de la hausse du niveau de la mer / Jonathan Chenal (2022)  

Public Titre : Contraintes observationnelles historiques sur la sensibilité climatique : implications pour les projections de la hausse du niveau de la mer Type de document : Thèse/HDR Auteurs : Jonathan Chenal , Auteur ; Benoit Meyssignac, Directeur de thèse Editeur : Toulouse : Université de Toulouse 3 Paul Sabatier Année de publication : 2022 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de géodésie spatiale [Termes IGN] chaleur [Termes IGN] changement climatique [Termes IGN] dioxyde de carbone [Termes IGN] erreur systématique [Termes IGN] montée du niveau de la mer [Termes IGN] niveau de la mer [Termes IGN] régression linéaire [Termes IGN] série temporelle [Termes IGN] température de surface de la mer Index. décimale : THESE Thèses et HDR Résumé : (auteur) Ma thèse explore l'estimation observationnelle de la sensibilité climatique d'équilibre (ECS) à partir des données instrumentales historiques et récentes, en particulier spatiales. L'ECS est la température globale moyenne de surface de la Terre atteinte après un doublement instantané de la concentration de dioxyde de carbone atmosphérique par rapport à la concentration préindustrielle. Cette quantité est la métrique fondamentale de l'amplitude du changement climatique contemporain, car l'évolution actuelle et future de nombreuses variables du système climatique, comme la température ou l'expansion thermique de l'océan, lui est fortement corrélée. L'ECS demeure cependant mal connue, puisque depuis le rapport Charney de 1979 jusqu'au Cinquième rapport d'évaluation du Groupe intergouvernemental d'experts sur le climat (GIEC), sa plage de valeurs probables se situait entre 1,5 et 4,5 degrés, avec un biais marqué entre estimations instrumentales, qui se situent dans la partie basse de l'intervalle, et estimations issues des modèles de climat, qui se situent dans la partie haute de l'intervalle. La cause principale de cette dispersion réside dans le fait que la sensibilité climatique varie avec le temps, en lien notamment avec l'effet radiatif des structures spatiales du réchauffement de surface, qui peuvent changer au cours du temps du fait de la variabilité interne du climat ou des variations historiques dans le type de forçage. Ma thèse utilise des séries temporelles observationnelles récentes de contenu de chaleur de l'océan et de température de surface, et une reconstruction récente de forçage radiatif, pour estimer le paramètre de rétroaction climatique, puis l'ECS, par régression linéaire de l'équation du bilan d'énergie planétaire. Dans ce processus, je prends en compte toutes les sources d'erreur et je les propage dans la régression afin d'obtenir une description exhaustive de l'incertitude observationnelle associée à l'ECS. Par ailleurs, j'utilise les variations temporelles du paramètre de rétroaction climatique simulées par les modèles de climat pour évaluer les biais et incertitudes associés à ce paramètre et dus à la structure spatiale du réchauffement historique. Sur la base du bilan d'énergie ainsi résolu sur 1971-2017, je démontre qu'il est très peu probable (p Numéro de notice : 17769 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Thèse française Organisme de stage : Laboratoire d'Etudes en Géophysique et Océanographie Spatiales LEGOS nature-HAL : Thèse DOI : sans En ligne : http://thesesups.ups-tlse.fr/5598/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103338

Seven decades of coastal change at Barter Island, Alaska: Exploring the importance of waves and temperature on erosion of coastal permafrost bluffs / Ann E. Gibbs in Remote sensing, vol 13 n° 21 (November-1 2021)  

Permalink

Seawater Debye model function at L-band and its impact on salinity retrieval from Aquarius satellite data / Yiwen Zhou in IEEE Transactions on geoscience and remote sensing, vol 59 n° 10 (October 2021)  

Permalink

Comparing the performance of turbulent kinetic energy and K-profile parameterization vertical parameterization schemes over the tropical indian ocean / Lokesh Kumar Pandey in Marine geodesy, vol 44 n° 1 (January 2021)  

Permalink

Satellite systems / Tien M. Nguyen (2021)  

Permalink

Sea surface temperature and high water temperature occurrence prediction using a long short-term memory model / Minkyu Kim in Remote sensing, vol 12 n° 21 (November 2020)  

Permalink

On the assimilation of absolute geodetic dynamic topography in a global ocean model: impact on the deep ocean state / Alexey Androsov in Journal of geodesy, vol 93 n° 2 (February 2019)  

Permalink

Construction of bulk temperature/salinity from surface temperature and atlas profiles for monitoring water volume variations in the Caspian Sea / Ayoub Moradi (2019)  

Permalink

Enhanced MODIS atmospheric total water vapour content trends in response to Arctic amplification / Dunya Alraddawi in Atmosphere, vol 8 n° 12 (December 2017)  

Permalink

Variations actuelles du niveau de la mer / Habib Boubacar Dieng (2017)  

Permalink

A robust fixed rank kriging method for improving the spatial completeness and accuracy of satellite SST products / Yuxin Zhu in IEEE Transactions on geoscience and remote sensing, vol 53 n° 9 (September 2015)  

Permalink