Quantitative retrieval of aerosol optical thickness from FY-2 VISSR data
Notice bibliographique
Résumé
Atmospheric aerosol, as particulate matter suspended in the air, exists in a variety of forms such as dust, fume and mist. It deeply affects climate and land surface environment in both regional and global scales, and furthermore, lead to be hugely much influence on human health. For the sake of effectively monitoring it, many atmospheric aerosol observation networks are set up and provide associated informational services in the wide world, as well-known Aerosol robotic network (AERONET), Canadian Sunphotometer Network (AeroCan) and so forth. Given large-scale atmospheric aerosol monitoring, that satellite remote sensing data are used to inverse aerosol optical depth is one of available and effective approaches. Nowadays, special types of instruments aboard running satellites are applied to obtain related remote sensing data of retrieving atmospheric aerosol. However, atmospheric aerosol real-timely or near real-timely monitoring hasn't been accomplished. Nevertheless, retrievals, using Fengyun-2 VISSR data, are carried out and the above problem resolved to certain extent, especially over China. In this paper, the authors have developed a new retrieving model/mode to retrieve aerosol optical depth, using Fengyun-2 satellite data that were obtained by the VISSR aboard FY-2C and FY-2D. A series of the aerosol optical depth distribution maps with high time resolution were able to obtained, is helpful for understanding the forming mechanism, transport, influence and controlling approach of atmospheric aerosol.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».