MétaCan
Menu
Retour à la cohorte
Enregistrement W1860256609 · doi:10.1002/qj.2438

Assessing the quality of active–passive satellite retrievals using broad‐band radiances

2014· article· en· W1860256609 sur OpenAlexaff
Howard W. Barker, Jason N. S. Cole, Carlos Doménech, Mark W. Shephard, Christopher E. Sioris, Florian Tornow, Tobias Wehr

Notice bibliographique

RevueQuarterly Journal of the Royal Meteorological Society · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric aerosols and clouds
Établissements canadiensYork UniversityEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésRadiative transferRemote sensingSatelliteEnvironmental scienceRadianceRadiometerMeteorologyAtmospheric radiative transfer codesAerosolMonte Carlo methodComputer scienceCloud computingClosure (psychology)PhysicsGeologyMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Included in the Earth, Clouds, Aerosols, and Radiation Explorer ( EarthCARE ) satellite's array of instruments is a multi‐view broad‐band radiometer (BBR). BBR data will facilitate a radiative closure assessment of cloud and aerosol properties inferred from data gathered by EarthCARE 's other passive and active sensors. The closure assessment will consist, in part, of comparisons between BBR radiances and radiances computed by three‐dimensional (3D) radiative transfer models (RTM) that act on narrow 3D domains that derive from, and include, the retrieved cross‐section of cloud and aerosol properties. Assessment domains D will be ∼100 km 2 . Following a brief outline of the closure experiment, a method is proposed for estimating the likelihood of BBR radiances providing a meaningful closure assessment of cloud and aerosol properties in D . The method capitalizes on the ability of Monte Carlo RTMs to compute contributions to radiances from any constituent in any given D . While this methodology introduces some circularity into the closure test, it might, nevertheless, be tolerable, given that the method's purpose is simply to identify, and thus avoid, assessments that are likely to be fruitless or misleading. A 3000 km long stretch of A‐Train satellite data was used in this initial demonstration of the proposed methodology. Only results for solar radiation are shown. All radiative quantities used here were computed by a 3D Monte Carlo RTM. A control simulation provided proxy BBR measurements. Random ‘errors’ were introduced into the A‐Train field to produce experimental fields that roughly mimic retrievals. Experimental and control radiances were compared in mock‐closure assessments. Arbitrarily assuming that a fruitful assessment requires ∼75% of a BBR radiance to result from cloud and aerosol scattering events inside D , ∼70% of the (11 km) 2 domains were flagged as reliably testable for this example.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,708
Score d'incertitude au seuil0,423

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,030
Tête enseignante GPT0,304
Écart entre enseignants0,274 · 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 tête enseignante, 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

Citations15
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQuarterly Journal of the Royal Meteorological SocietyMême sujetAtmospheric aerosols and cloudsTravaux en français237 207