MétaCan
Menu
Retour à la cohorte
Enregistrement W2030909241 · doi:10.1080/01431160902825016

Global long-term monitoring of the ozone layer – a prerequisite for predictions

2009· article· en· W2030909241 sur OpenAlexaboutno aff
Diego Loyola, R. M. Coldewey-Egbers, M. Dameris, Hella Garny, Andrea Stenke, Michel Van Roozendaël, Christophe Lerot, Dimitris Balis, Maria-Elissavet Koukouli

Notice bibliographique

RevueInternational Journal of Remote Sensing · 2009
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric Ozone and Climate
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSCIAMACHYEnvironmental scienceOzone layerSatelliteOzoneMontreal ProtocolMeteorologyTerm (time)Atmospheric sciencesClimatologyGeographyTroposphereGeology

Résumé

récupéré en direct d'OpenAlex

Although the Montreal Protocol now controls the production and emission of ozone depleting substances, the timing of ozone recovery is unclear. There are many other factors affecting the ozone layer, in particular climate change is expected to modify the speed of re-creation of the ozone layer. Therefore, long-term observations are needed to monitor the further evolution of the stratospheric ozone layer. Measurements from satellite instruments provide global coverage and are supplementary to selective ground-based observations. The combination of data derived from different space-borne instruments is needed to produce homogeneous and consistent long-term data records. They are required for robust investigations including trend analysis. For the first time global total ozone columns from three European satellite sensors GOME (ERS-2), SCIAMACHY (ENVISAT), and GOME-2 (METOP-A) are combined and added up to a continuous time series starting in June 1995. On the one hand it is important to monitor the consequences of the Montreal Protocol and its amendments; on the other hand multi-year observations provide the basis for the evaluation of numerical models describing atmospheric processes, which are also used for prognostic studies to assess the future development. This paper gives some examples of how to use satellite data products to evaluate model results with respective data derived from observations, and to disclose the abilities and deficiencies of atmospheric models. In particular, multi-year mean values derived from the Chemistry-Climate Model E39C-A are used to check climatological values and the respective standard deviations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,052
Score d'incertitude au seuil0,104

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,020
Tête enseignante GPT0,281
Écart entre enseignants0,261 · 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 source (Gemma direct ou Codex distillé), 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

Citations72
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Remote SensingMême sujetAtmospheric Ozone and ClimateTravaux en français237 207