Verification and application of the extended spectral deconvolution algorithm (SDA+) methodology to estimate aerosol fine and coarse mode extinction coefficients in the marine boundary layer
Notice bibliographique
Résumé
Abstract. The spectral deconvolution algorithm (SDA) and SDA+ (extended SDA) methodologies can be employed to separate the fine and coarse mode extinction coefficients from measured total aerosol extinction coefficients, but their common use is currently limited to AERONET (AErosol RObotic NETwork) aerosol optical depth (AOD). Here we provide the verification of the SDA+ methodology on a non-AERONET aerosol product, by applying it to fine and coarse mode nephelometer and particle soot absorption photometer (PSAP) data sets collected in the marine boundary layer. Using data sets collected on research vessels by NOAA-PMEL(National Oceanic and Atmospheric Administration – Pacific Marine Environmental Laboratory), we demonstrate that with accurate input, SDA+ is able to predict the fine and coarse mode scattering and extinction coefficient partition in global data sets representing a range of aerosol regimes. However, in low-extinction regimes commonly found in the clean marine boundary layer, SDA+ output accuracy is sensitive to instrumental calibration errors. This work was extended to the calculation of coarse and fine mode scattering coefficients with similar success. This effort not only verifies the application of the SDA+ method to in situ data, but by inference verifies the method as a whole for a host of applications, including AERONET. Study results open the door to much more extensive use of nephelometers and PSAPs, with the ability to calculate fine and coarse mode scattering and extinction coefficients in field campaigns that do not have the resources to explicitly measure these values.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 tête enseignante, 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 ».