Systematic errors inherent in the current modeling of the reflected downward flux term used by remote sensing models
Notice bibliographique
Résumé
An underlying assumption of satellite data assimilation systems is that the radiative transfer model used to simulate observed satellite radiances has no errors. For practical reasons a fast-forward radiative transfer model is used instead of a highly accurate line-by-line model. The fast model usually replaces the spectral integration of spectral quantities with their monochromatic equivalents, and the errors due to these approximations are assumed to be negligible. The reflected downward flux term contains many approximations of this nature, which are shown to introduce systematic errors. In addition, many fast-forward radiative transfer models simulate the downward flux as the downward radiance along a path defined by the secant of the mean emergent angle, the diffusivity factor. The diffusivity factor is commonly set to 1.66 or to the secant of the satellite zenith angle. Neither case takes into account that the diffusivity factor varies with optical depth, which introduces further errors. I review the two most commonly used methods for simulating reflected downward flux by fast-forward radiative transfer models and point out their inadequacies and limitations. An alternate method of simulating the reflected downward flux is proposed. This method transforms the surface-to-satellite transmittance profile to a transmittance profile suitable for simulating the reflected downward flux by raising the former transmittance to the power of kappa, where kappa itself is a function of channel, surface pressure, and satellite zenith angle. It is demonstrated that this method reduces the fast-forward model error for low to moderate reflectivities.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».