Comprehensive Assessment of Global Surface Net Radiation Products and Uncertainty Analysis
Notice bibliographique
Résumé
Abstract Earth surface net radiation (Rn) characterizes the surface radiation budget and plays a critical role in ecological, biogeochemical, and hydrological processes. The Rn products from remote sensing and reanalysis have not been validated comprehensively. In this study, four Rn products (Clouds and the Earth's Radiant Energy System [CERES], ERA‐Interim, Modern‐Era Retrospective analysis for Research and Applications version 2, and Japanese 55‐year Reanalysis) were validated using global ground measurements on monthly (255 sites) and annual (172 sites) timescales. These products have similar accuracies, with average root‐mean‐square error (RMSE) ranges of 5.35 W m−2 (monthly) and 2.30 W m−2 (annually). However, varying accuracies and systemic biases exist across different climatic zones. The annual land Rn intercomparison illustrates that large uncertainty exists over polar regions and deserts. A significantly negative annual anomaly in the CERES product for the 2001–2008 period is identified when examining annual Rn anomalies over the global land surface. Detailed uncertainty analysis indicates that the global CERES Rn anomaly is mainly due to different versions of input data such as aerosol optical thickness and atmospheric profiles (in 2006 and 2008) and cloud properties (in 2002). This work demonstrates that temporal analysis provides powerful quality control for global time series satellite products when the validation using ground measurements fails to capture potential issues.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».