MétaCan
Menu
Retour à la cohorte
Enregistrement W2107130499 · doi:10.5194/amt-8-4369-2015

Relative drifts and biases between six ozone limb satellite measurements from the last decade

2015· article· en· W2107130499 sur OpenAlexafffund
N. Rahpoe, Mark Weber, Alexei Rozanov, Katja Weigel, H. Bovensmann, Alexandra Laeng, G. P. Stiller, T. von Clarmann, E. Kyrölä, Viktoria Sofieva, Johanna Tamminen, Kaley A. Walker, D. A. Degenstein, Adam Bourassa, Robert J. Hargreaves, P. F. Bernath, D. Murtagh

Notice bibliographique

RevueAtmospheric measurement techniques · 2015
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric Ozone and Climate
Établissements canadiensUniversity of SaskatchewanUniversity of Toronto
Organismes subventionnairesCanadian Space AgencyUniversität Bremen
Mots-clésSCIAMACHYStratosphereSatelliteEnvironmental scienceData setMeteorologyRemote sensingAtmospheric sciencesClimatologyGeographyStatisticsGeologyMathematicsTropospherePhysics

Résumé

récupéré en direct d'OpenAlex

Abstract. As part of European Space Agency's (ESA) climate change initiative, high vertical resolution ozone profiles from three instruments all aboard ESA's Envisat (GOMOS, MIPAS, SCIAMACHY) and ESA's third party missions (OSIRIS, SMR, ACE-FTS) are to be combined in order to create an essential climate variable data record for the last decade. A prerequisite before combining data is the examination of differences and drifts between the data sets. In this paper, we present a detailed analysis of ozone profile differences based on pairwise collocated measurements, including the evolution of the differences with time. Such a diagnosis is helpful to identify strengths and weaknesses of each data set that may vary in time and introduce uncertainties in long-term trend estimates. The analysis reveals that the relative drift between the sensors is not statistically significant for most pairs of instruments. The relative drift values can be used to estimate the added uncertainty in physical trends. The added drift uncertainty is estimated at about 3 % decade−1 (1σ). Larger differences and variability in the differences are found in the lowermost stratosphere (below 20 km) and in the mesosphere.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,127
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,108
Tête enseignante GPT0,265
Écart entre enseignants0,157 · 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.

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

Citations28
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAtmospheric measurement techniquesMême sujetAtmospheric Ozone and ClimateTravaux en français237 207