Comparison of Moderate Resolution Imaging Spectroradiometer (MODIS) and Aerosol Robotic Network (AERONET) remote‐sensing retrievals of aerosol fine mode fraction over ocean
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
Aerosol particle size is one of the fundamental quantities needed to determine the role of aerosols in forcing climate, modifying the hydrological cycle, and affecting human health and to separate natural from man‐made aerosol components. Aerosol size information can be retrieved from remote‐sensing instruments including satellite sensors such as Moderate Resolution Imaging Spectroradiometer (MODIS) and ground‐based radiometers such as Aerosol Robotic Network (AERONET). Both satellite and ground‐based instruments measure the total column ambient aerosol characteristics. Aerosol size can be characterized by a variety of parameters. Here we compare remote‐sensing retrievals of aerosol fine mode fraction over ocean. AERONET retrieves fine mode fraction using two methods: the Dubovik inversion of sky radiances and the O'Neill inversion of spectral Sun measurements. Relative to the Dubovik inversion of AERONET sky measurements, MODIS slightly overestimates fine fraction for dust‐dominated aerosols and underestimates in smoke‐ and pollution‐dominated aerosol conditions. Both MODIS and the Dubovik inversion overestimate fine fraction for dust aerosols by 0.1–0.2 relative to the O'Neill method of inverting AERONET aerosol optical depth spectra. Differences between the two AERONET methods are principally the result of the different definitions of fine and coarse mode employed in their computational methodologies. These two methods should come into better agreement as a dynamic radius cutoff for fine and coarse mode is implemented for the Dubovik inversion. MODIS overestimation in dust‐dominated aerosol conditions should decrease significantly with the inclusion of a nonspherical model.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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