Comparison of dust source identification techniques over land in the Middle East region using MODIS data
Notice bibliographique
Résumé
This paper compares and evaluates four principal methods of dust source and plume identification using MODIS data. The four MODIS methods used here are: (i) Roskovensky and Liou's dust identification algorithm, (ii) Ackerman's model, (iii) Normalized Difference Dust Index (NDDI), and (iv) Deep Blue algorithm. These techniques were applied to three recent significant events in the Middle East region. In addition, true color images and the HYbrid Single-Particle Lagrangian Integrated Trajectory (HYSPLIT) model were used to evaluate the result of each technique. To optimize the result of dust detection for each technique, the published dust–nondust thresholds had to be considerably adjusted on an event-by-event basis. Results show that techniques that use brightness temperature (BT) difference are the most reliable techniques for dust source detection in several situations such as multiplume and multimineralogical conditions (unlike the NDDI index and other optical based algorithms). However, these techniques cannot effectively differentiate dust plume from the bright desert surfaces (due to the same thermal behavior of dust and desert surfaces in both BT31 and BT32). This weakness impelled us to develop a new model based on Ackerman's technique because of its more precise results in dust source identification. In this new presented model called Middle East Dust Index (MEDI), BT29 was involved to highlight the difference between dust and desert surfaces as the [(BT31–BT29)/(BT32–BT29)] equation. In this equation, the values of dusty pixels are less than 0.6 while nondusty pixels are greater than 0.6. Results indicate that the MEDI model is ideal in both identifying dust plume and sources and desert surfaces. Finally, due to some misclassification of the MEDI model in differentiating cirrus clouds from dust plumes, the NDDI index was added to the initial model to distinguish them more accurately.
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 | 0,001 | 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 ».