Application of OMI, SCIAMACHY, and GOME‐2 satellite SO<sub>2</sub> retrievals for detection of large emission sources
Notice bibliographique
Résumé
Abstract Retrievals of sulfur dioxide (SO2) from space‐based spectrometers are in a relatively early stage of development. Factors such as interference between ozone and SO2 in the retrieval algorithms often lead to errors in the retrieved values. Measurements from the Ozone Monitoring Instrument (OMI), Scanning Imaging Absorption Spectrometer for Atmospheric Chartography (SCIAMACHY), and Global Ozone Monitoring Experiment‐2 (GOME‐2) satellite sensors, averaged over a period of several years, were used to identify locations with elevated SO2 values and estimate their emission levels. About 30 such locations, detectable by all three sensors and linked to volcanic and anthropogenic sources, were found after applying low and high spatial frequency filtration designed to reduce noise and bias and to enhance weak signals to SO2 data from each instrument. Quantitatively, the mean amount of SO2 in the vicinity of the sources, estimated from the three instruments, is in general agreement. However, its better spatial resolution makes it possible for OMI to detect smaller sources and with additional detail as compared to the other two instruments. Over some regions of China, SCIAMACHY and GOME‐2 data show mean SO2 values that are almost 1.5 times higher than those from OMI, but the suggested spatial filtration technique largely reconciles these differences.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».