Quantifying the low bias of CALIPSO's column aerosol optical depth due to undetected aerosol layers
Notice bibliographique
Résumé
The CALIOP data processing scheme only retrieves extinction profiles in those portions of the return signal where cloud or aerosol layers have been identified by the CALIOP layer detection scheme. In this study we use two years of CALIOP and MODIS data to quantify the aerosol optical depth of undetected weakly backscattering layers. Aerosol extinction and column-averaged lidar ratio is retrieved from CALIOP Level 1B (Version 4) profile using MODIS AOD as a constraint over oceans from March 2013 to February 2015. To quantify the undetected layer AOD (ULA), an unconstrained retrieval is applied globally using a lidar ratio of 28.75 sr estimated from constrained retrievals during the daytime over the ocean. We find a global mean ULA of 0.031 ± 0.052. There is no significant difference in ULA between land and ocean. However, the fraction of undetected aerosol layers rises considerably during daytime, when the large amount of solar background noise lowers the signal to noise ratio (SNR). For this reason, there is a difference in ULA between day (0.036 ± 0.066) and night (0.025 ± 0.021). ULA is larger in the northern hemisphere and relatively larger at high latitudes. Large ULA for the Polar Regions is strongly related to the cases where the CALIOP Level 2 Product reports zero AOD. This study provides an estimate of the complement of AOD that is not detected by lidar, and bounds the CALIOP AOD uncertainty to provide corrections for science studies that employ the CALIOP Level 2 AOD.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».