Long Temporal Analysis of 3-km MODIS Aerosol Product Over East China
Notice bibliographique
Résumé
The 3-km resolution MODerate resolution Imaging Spectroradiometer (MODIS) aerosol product has advantages for local-scale aerosol monitoring over land. This study assessed the accuracy and feasibility of the product over East China and investigated the potential for aerosol climatology studies. The long-temporal aerosol optical depth (AOD) of the product from 2002 to 2015 was collected and analyzed. Validation results show good overall accuracy. The correlation coefficient between MODIS AOD and ground measurements of the Aerosol Robotic Network (AERONET) is 0.79, and 63.1% data points are within the expected error range. However, in some areas, the MODIS AODs are highly overestimated because of bias and noise. Seasonal average AOD maps indicate the spatio-temporal distributions of aerosol. In general, seasonal AOD values follow the sequence summer > spring > fall > winter. Higher AODs (>1.0) usually occur over urban areas and cropland whereas lower values coincide with forest, shrub, and grassland. A simple moving average technique was applied to remove noise. Trend slopes were calculated and the significances were tested. Most areas show remarkable increases in AOD values prior to 2010, followed by significant downward trends. Differences in MODIS AOD were calculated between 2002 and 2009 and 2010 and 2015. Despite significant downward trends after 2010, the AODs are still higher than before 2010. The study demonstrates potential application of the 3 km product in aerosol climatology but confirms that it is crucial to first remove noise.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».