A method for evaluating bias in global measurements of CO <sub>2</sub> total columns from space
Notice bibliographique
Résumé
Abstract. We describe a method of evaluating systematic errors in measurements of total column dry-air mole fractions of CO2 (XCO2) from space, and we illustrate the method by applying it to the v2.8 Atmospheric CO2 Observations from Space retrievals of the Greenhouse Gases Observing Satellite (ACOS-GOSAT) measurements over land. The approach exploits the lack of large gradients in XCO2 south of 25° S to identify large-scale offsets and other biases in the ACOS-GOSAT data with several retrieval parameters and errors in instrument calibration. We demonstrate the effectiveness of the method by comparing the ACOS-GOSAT data in the Northern Hemisphere with ground truth provided by the Total Carbon Column Observing Network (TCCON). We use the observed correlation between free-tropospheric potential temperature and XCO2 in the Northern Hemisphere to define a dynamically informed coincidence criterion between the ground-based TCCON measurements and the ACOS-GOSAT measurements. We illustrate that this approach provides larger sample sizes, hence giving a more robust comparison than one that simply uses time, latitude and longitude criteria. Our results show that the agreement with the TCCON data improves after accounting for the systematic errors, but that extrapolation to conditions found outside the region south of 25° S may be problematic (e.g., high airmasses, large surface pressure biases, M-gain, measurements made over ocean). A preliminary evaluation of the improved v2.9 ACOS-GOSAT data is also discussed.
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 | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».