MétaCan
Menu
Retour à la cohorte
Enregistrement W2055411822 · doi:10.3808/jei.200700097

Evaluating Satellite-Based Measurements for Mapping Air Quality in Ontario, Canada

2007· article· en· W2055411822 sur OpenAlexaffabout
Jinfeng Tian

Notice bibliographique

RevueJournal of Environmental Informatics · 2007
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensQueen's University
Organismes subventionnairesGoddard Space Flight CenterMinistry of EnvironmentNational Aeronautics and Space Administration
Mots-clésSatelliteEnvironmental scienceModerate-resolution imaging spectroradiometerSpectroradiometerAir quality indexRemote sensingMeteorologyOzoneAerosolAtmosphere (unit)Atmospheric sciencesGeographyGeologyReflectivity

Résumé

récupéré en direct d'OpenAlex

This paper presents a study of examining the correlation between the satellite observations and the ground-based measurements of air quality in Ontario, Canada. Two atmospheric parameters-total ozone burden (TOB), and aerosol optical depth (AOD) data-were extracted from the Moderate Resolution Imaging Spectroradiometer (MODIS) atmosphere data products. TOB and AOD were then compared with the coincident ground-based ozone concentration (GOC) and fine particular matter (PM2.5) in summer and winter seasons, respectively. The comparison results showed that AOD was most strongly related with coincident hourly PM2.5 in summer, while TOB and coincident hourly GOC have shown their fairly strong correlation in winter. The correlation between MODIS measurement and ground monitoring data in summer seems independent from those in winter. This is the first study to demonstrate that the correlation between the satellite measurement and ground monitoring data varied in different seasons. The air quality distribution obtained from satellite images has a much better correspondence with the regional morphology than those interpolated from ground measurements.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,099

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,075
Tête enseignante GPT0,273
Écart entre enseignants0,198 · 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

Citations13
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental InformaticsMême sujetAtmospheric chemistry and aerosolsTravaux en français237 207