Estimating ground‐level PM<sub>2.5</sub> using aerosol optical depth determined from satellite remote sensing
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We assess the relationship of ground‐level fine particulate matter (PM 2.5 ) concentrations for 2000–2001 measured as part of the Canadian National Air Pollution Surveillance (NAPS) network and the U.S. Air Quality System (AQS), versus remote‐sensed PM 2.5 determined from aerosol optical depths (AOD) measured by the Moderate Resolution Imaging Spectroradiometer (MODIS) and the Multiangle Imaging Spectroradiometer (MISR) satellite instruments. A global chemical transport model (GEOS‐CHEM) is used to simulate the factors affecting the relation between AOD and PM 2.5 . AERONET AOD is used to evaluate the method (r = 0.71, N = 48, slope = 0.69). We find significant spatial variation of the annual mean ground‐based measurements with PM 2.5 determined from MODIS (r = 0.69, N = 199, slope = 0.82) and MISR (r = 0.58, N = 199, slope = 0.57). Excluding California significantly increases the respective slopes and correlations. The relative vertical profile of aerosol extinction is the most important factor affecting the spatial relationship between satellite and surface measurements of PM 2.5 ; neglecting this parameter would reduce the spatial correlation to 0.36. In contrast, temporal variation in AOD is the most influential parameter affecting the temporal relationship between satellite and surface measurements of PM 2.5 ; neglecting daily variation in this parameter would decrease the correlation in eastern North America from 0.5–0.8 to less than 0.2. Other simulated aerosol properties, such as effective radius and extinction efficiency have a minor role temporally, but do influence the spatial correlation. Global mapping of PM 2.5 from both MODIS and MISR reveals annual mean concentrations of 40–50 ug/m 3 over northern India and China.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle