Air Quality Forecast Verification Using Satellite Data
Notice bibliographique
Résumé
Abstract NOAA’s operational geostationary satellite retrievals of aerosol optical depths (AODs) were used to verify National Weather Service developmental (research mode) particulate matter (PM2.5) predictions tested during the summer 2004 International Consortium for Atmospheric Research on Transport and Transformation/New England Air Quality Study (ICARTT/NEAQS) field campaign. The forecast period included long-range transport of smoke from fires burning in Canada and Alaska and a regional-scale sulfate event over the Gulf of Mexico and the eastern United States. Over the 30-day time period for which daytime hourly forecasts were compared with observations, the categorical (exceedance defined as AOD > 0.55) forecast accuracy was between 0% and 20%. Hourly normalized mean bias (forecasts − observations) ranged between −50% and +50% with forecasts being positively biased when observed AODs were small and negatively biased when observed AODs were high. Normalized mean errors are between 50% and 100% with the errors on the lower end during the 18–22 July 2004 time period when a regional-scale sulfate event occurred. Spatially, the errors are small over the regions where sulfate plumes were present. The correlation coefficient also showed similar features (spatially and temporally) with a peak value of ∼0.6 during the 18–22 July 2004 time period. The dominance of long-range transport of smoke into the United States during the summer of 2004, neglected in the model predictions, skewed the model forecast performance. Enhanced accuracy and reduced normalized mean errors during the time period when a sulfate event prevailed show that the forecast system has skill in predicting PM2.5 associated with urban/industrial pollution events.
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 | 0,001 | 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 ».