MétaCan
Menu
Retour à la cohorte
Enregistrement W2073960842 · doi:10.5194/acp-7-2399-2007

Three years of global carbon monoxide from SCIAMACHY: comparison with MOPITT and first results related to the detection of enhanced CO over cities

2007· article· en· W2073960842 sur OpenAlexfundno aff
Michael Buchwitz, Iryna Khlystova, H. Bovensmann, John P. Burrows

Notice bibliographique

RevueAtmospheric chemistry and physics · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesUniversität BremenEuropean CommissionUniversity of TorontoBundesministerium für Bildung und ForschungLangley Research CenterFreie Hansestadt BremenNational Aeronautics and Space Administration
Mots-clésSCIAMACHYEnvironmental scienceCarbon monoxideSatelliteAtmospheric sciencesMeteorologyAtmosphere (unit)ClimatologyRemote sensingNadirTroposphereGeographyGeologyChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract. Carbon monoxide (CO) is an important atmospheric constituent affecting air quality and climate. SCIAMACHY on ENVISAT is currently the only satellite instrument that can measure the vertical column of CO with nearly equal sensitivity at all altitudes down to the Earth's surface because of its near-infrared nadir observations of reflected solar radiation. Here we present three years' (2003–2005) of SCIAMACHY CO columns consistently retrieved with the latest version of our retrieval algorithm (WFMDv0.6). We describe the retrieval method and discuss the multi-year global CO data set focusing on a comparison with the operational CO column data product of MOPITT. We found reasonable to good agreement (~20%) with MOPITT, with the best agreement for 2004. We present detailed results for various regions (Europe, Middle East, India, China) and discuss to what extent enhanced levels of CO can be detected over populated areas including individual cities. The expected CO signal from cities is close to or even below the detection limit of individual measurements. We show that cities can be identified when averaging long time series.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,377
Score d'incertitude au seuil0,427

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,003
Tête enseignante GPT0,195
Écart entre enseignants0,191 · 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

Citations97
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAtmospheric chemistry and physicsMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207