MétaCan
Menu
Retour à la cohorte
Enregistrement W2036890879 · doi:10.1029/2009jd013079

Surface reflectivity from the Ozone Monitoring Instrument using the Moderate Resolution Imaging Spectroradiometer to eliminate clouds: Effects of snow on ultraviolet and visible trace gas retrievals

2010· article· en· W2036890879 sur OpenAlexafffund
G. O'Byrne, Randall V. Martin, Aaron van Donkelaar, Joanna Joiner, E. A. Celarier

Notice bibliographique

RevueJournal of Geophysical Research Atmospheres · 2010
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric Ozone and Climate
Établissements canadiensDalhousie University
Organismes subventionnairesCanadian Foundation for Climate and Atmospheric SciencesNational Aeronautics and Space Administration
Mots-clésSnowOzone Monitoring InstrumentEnvironmental scienceAerosolSpectroradiometerTotal Ozone Mapping SpectrometerAtmospheric sciencesAlbedo (alchemy)Moderate-resolution imaging spectroradiometerRemote sensingTrace gasSatelliteIrradianceTroposphereMeteorologyReflectivityGeologyOzone layerGeographyPhysicsOpticsStratosphere

Résumé

récupéré en direct d'OpenAlex

Satellite retrievals of tropospheric composition from measurements of solar backscatter require accurate information about surface reflectivity. We use clear‐sky data from the Ozone Monitoring Instrument (OMI) to determine global surface reflectivity under both snow‐covered and snow‐free conditions at 354 nm. Clear‐sky scenes are determined using cloud and aerosol data from the Moderate Resolution Imaging Spectroradiometer/Aqua satellite instrument that flies 12 min ahead of OMI/Aura. The result is a database of OMI‐observed Lambertian equivalent reflectivity (LER) that does not rely on statistical methods to eliminate cloud and aerosol contamination. We apply this database to evaluate previous climatologies of surface reflectivity. Except for regions of seasonal snow cover, agreement is best with a climatology from OMI, which selects the surface reflectivity from a histogram of observed LER (mean difference, 0.0002; standard deviation, 0.011). Three other climatologies of surface reflectivity from Total Ozone Mapping Spectrometer, Global Ozone Monitoring Experiment, and OMI, based on minimum observed LER, are less consistent with our cloud‐ and aerosol‐filtered data set (mean difference, −0.008, 0.012, and −0.002; standard deviation, 0.022, 0.026, and 0.033). Snow increases the sensitivity of solar backscatter measurements at ultraviolet and visible wavelengths to trace gases in the lower troposphere. However, all four existing LER climatologies poorly represent seasonal snow. Surface reflectivity over snow‐covered lands depends strongly on the vegetation type covering the surface. The monthly variation of snow‐covered reflectivity varies by less than 0.1 in fall and winter. Applying our snow‐covered surface reflectivity database to OMI NO 2 retrievals could change the retrieved NO 2 column by 20%–50% over large regions with seasonal snow cover.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,503
Score d'incertitude au seuil0,933

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,319
Écart entre enseignants0,284 · 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 tête enseignante, 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

Citations29
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research AtmospheresMême sujetAtmospheric Ozone and ClimateTravaux en français237 207