Detecting layer height of smoke aerosols over vegetated land and water surfaces via oxygen absorption bands: hourly results from EPIC/DSCOVR in deep space
Notice bibliographique
Résumé
Abstract. We present an algorithm for retrieving aerosol layer height (ALH) and aerosol optical depth (AOD) for smoke over vegetated land and water surfaces from measurements of the Earth Polychromatic Imaging Camera (EPIC) onboard the Deep Space Climate Observatory (DSCOVR). The algorithm uses Earth-reflected radiances in six EPIC bands in the visible and near-infrared and incorporates flexible spectral fitting that accounts for the specifics of land and water surface reflectivity. The fitting procedure first determines AOD using EPIC atmospheric window bands (443, 551, 680, and 780 nm), then uses oxygen (O2) A and B bands (688 and 764 nm) to derive ALH, which represents an optical centroid altitude. ALH retrieval over vegetated surface primarily takes advantage of measurements in the O2 B band. We applied the algorithm to EPIC observations of several biomass burning events over the United States and Canada in August 2017. We found that the algorithm can be used to obtain AOD and ALH multiple times daily over water and vegetated land surface. Validation is performed against aerosol extinction profiles detected by the Cloud–Aerosol Lidar with Orthogonal Polarization (CALIOP) and against AOD observed at nine Aerosol Robotic Network (AERONET) sites, showing, on average, an error of 0.58 km and a bias of −0.13 km in retrieved ALH and an error of 0.05 and a bias of 0.03 in retrieved AOD. Additionally, we show that the aerosol height information retrieved by the present algorithm can potentially benefit the retrieval of aerosol properties from EPIC's ultraviolet (UV) bands.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».