On sampling bias adjustment for sparsely observing satellite instruments for the example of carbonyl sulfide (OCS)
Notice bibliographique
Résumé
Abstract. When computing climatological averages of atmospheric trace gas mixing ratios obtained from satellite-based measurements, sampling biases arise if data coverage is not uniform in space and time. Complete homogeneous spatio-temporal coverage is essentially impossible to achieve. Solar occultation measurements, by virtue of satellite orbits and the requirement of direct observation of the sun through the atmosphere, result in particularly sparse spatial coverage. In this study, a method is presented to adjust for such sampling biases when calculating climatological means. The method is demonstrated using carbonyl sulfide (OCS) measurements at 16 km altitude from the ACE-FTS (Atmospheric Chemistry Experiment Fourier Transform 15 Spectrometer). At this altitude, OCS mixing ratios show a steep gradient between the poles and equator. ACE-FTS measurements, which are provided as vertically resolved profiles, and integrated stratospheric OCS columns are used in this study. The bias adjustment procedure requires no additional observations other than the satellite data product itself and is expected to be generally applicable when constructing climatologies of long-lived tracers from sparsely and heterogeneously sampled satellite data. In a first step of the adjustment procedure, a regression model is used to fit a 2-D surface to all available ACE-FTS OCS measurements as a function of day-of-year and latitude. The regression model fit is used to calculate an adjustment factor, 20 which is then used to adjust each measurement individually. The mean of the adjusted measurement points of a chosen spatio-temporal frame is then used as the bias-free climatological value. When applying the adjustment factor to seasonal averages in 30° zones, the maximum spatio-temporal sampling bias adjustment was 11 % for OCS mixing ratios at 16 km and 5 % for the stratospheric OCS column. The adjustments were validated against the much denser and more homogeneous OCS data product from the limb-sounding MIPAS (Michelson Interferometer for Passive Atmospheric Sounding) instrument, and both the direction and sign of the adjustments were in agreement with the adjustment of the ACE-FTS data.
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 | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».