MétaCan
Menu
Retour à la cohorte
Enregistrement W2256633611 · doi:10.5194/acp-16-1289-2016

Estimates of European uptake of CO <sub>2</sub> inferred from GOSAT X <sub> CO <sub>2</sub> </sub> retrievals: sensitivity to measurement bias inside and outside Europe

2016· article· en· W2256633611 sur OpenAlexfundno aff
Liang Feng, Paul I. Palmer, Robert J. Parker, Nicholas M. Deutscher, Dietrich G. Feist, Rigel Kivi, Isamu Morino, Ralf Sussmann

Notice bibliographique

RevueAtmospheric chemistry and physics · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesEurostarsNational Centre for Earth ObservationNatural Environment Research CouncilCanadian Space AgencyJet Propulsion LaboratoryUniversity of EdinburghUniversity of LeicesterSight Research UKEuropean Space AgencyCalifornia Institute of TechnologyNational Aeronautics and Space Administration
Mots-clésSCIAMACHYFlux (metallurgy)Atmospheric sciencesEnvironmental scienceGreenhouse gasData assimilationChemistryMeteorologyPhysicsGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

Estimates of the natural CO 2 flux over Europe inferred from in situ measurements of atmospheric CO 2 mole fraction have been used previously to check top-down flux estimates inferred from space-borne dry-air CO 2 column (X CO 2 ) retrievals. Several recent studies have shown that CO 2 fluxes inferred from X CO 2 data from the Japanese Greenhouse gases Observing SATellite (GOSAT) and the Scanning Imaging Absorption Spectrometer for Atmospheric CHartographY (SCIAMACHY) have larger seasonal amplitudes and a more negative annual net CO 2 balance than those inferred from the in situ data. The cause of this elevated European uptake of CO 2 is still unclear, but some recent studies have suggested that this is a genuine scientific phenomenon. Here, we put forward an alternative hypothesis and show that realistic levels of bias in GOSAT data can result in an erroneous estimate of elevated uptake over Europe. We use a global flux inversion system to examine the relationship between measurement biases and estimates of CO 2 uptake from Europe. We establish a reference in situ inversion that uses an Ensemble Kalman Filter (EnKF) to assimilate conventional surface mole fraction observations and X CO 2 retrievals from the surface-based Total Carbon Column Observing Network (TCCON). We use the same EnKF system to assimilate two independent versions of GOSAT X CO 2 data. We find that the GOSAT-inferred European terrestrial biosphere uptake peaks during the summer, similar to the reference inversion, but the net annual flux is 1.40 ± 0.19 GtC a −1 compared to a value of 0.58 ± 0.14 GtC a −1 for our control inversion that uses only in situ data. To reconcile these two estimates, we perform a series of numerical experiments that assimilate observations with added biases or assimilate synthetic observations for which part or all of the GOSAT X CO 2 data are replaced with model data. We find that for our global flux inversions, a large portion (60–90 %) of the elevated European uptake inferred from GOSAT data in 2010 is due to retrievals outside the immediate European region, while the remainder can largely be explained by a sub-ppm retrieval bias over Europe. We use a data assimilation approach to estimate monthly GOSAT X CO 2 biases from the joint assimilation of in situ observations and GOSAT X CO 2 retrievals. The inferred biases represent an estimate of systematic differences between GOSAT X CO 2 retrievals and the inversion system at regional or sub-regional scales. We find that a monthly varying bias of up to 0.5 ppm can explain an overestimate of the annual sink of up to 0.20 GtC a −1 . Our results highlight the sensitivity of CO 2 flux estimates to regional observation biases, which have not been fully characterized by the current observation network. Without further dedicated measurements we cannot prove or disprove that European ecosystems are taking up a larger-than-expected amount of CO 2 . More robust inversion systems are also needed to infer consistent fluxes from multiple observation types.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,016
Tête enseignante GPT0,207
Écart entre enseignants0,190 · 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 source (Gemma direct ou Codex distillé), 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

Citations144
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

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