Detecting physically unrealistic outliers in ACE-FTS atmospheric measurements
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract. The ACE-FTS (Atmospheric Chemistry Experiment – Fourier Transform Spectrometer) instrument on board the Canadian satellite SCISAT has been observing the Earth's limb in solar occultation since its launch in 2003. Since February 2004, high resolution (0.02 cm−1) observations in the spectral region of 750–4400 cm−1 have been used to derive volume mixing ratio profiles of over 30 atmospheric trace species and over 20 atmospheric isotopologues. Although the full ACE-FTS level 2 data set is available to users in the general atmospheric community, until now no quality flags have been assigned to the data. This study describes the two-stage procedure for detecting physically unrealistic outliers within the data set for each retrieved species, which is a fixed procedure across all species. Since the distributions of ACE-FTS data across regions (altitude/latitude/season/local time) tend to be asymmetric and multimodal, the screening process does not make use of the median absolute deviation. It makes use of volume mixing ratio probability density functions, assuming that the data, when sufficiently binned, are at most tri-modal and that these modes can be represented by the superposition of three normal, or log-normal, distributions. Quality flags have been assigned to the data based on retrieval statistical fitting error, the physically unrealistic outliers described in this study, and known instrumental/processing errors. The quality flags defined and discussed in this study are now available for all level 2 versions 2.5 and 3.5 data and will be made available as a standard product for future versions.
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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découle