MétaCan
Menu
← Retour à la cohorte
Enregistrement W2922978381 · doi:10.5194/acp-2019-223

Retrieving the global distribution of threshold of wind erosion from satellite data and implementing it into the GFDL AM4.0/LM4.0 model

2019· article· en· W2922978381 sur OpenAlexaff
Bing Pu, Paul Ginoux, Huan Guo, N. C. Hsu, John S. Kimball, Béatrice Marticorena, Sergey Malyshev, Vaishali Naïk, Norman T. O’Neill, Carlos Pérez García‐Pando, Joseph M. Prospero, Elena Shevliakova, Ming Zhao

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric aerosols and clouds
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesNational Park ServiceNational Aeronautics and Space AdministrationNASA Astrobiology InstituteNational Oceanic and Atmospheric AdministrationDesert Research InstituteUniversity of California, DavisPrinceton UniversityU.S. Environmental Protection Agency
Mots-clésEnvironmental scienceModerate-resolution imaging spectroradiometerAerosolSatelliteAeolian processesAtmosphere (unit)Wind speedAtmospheric sciencesClimatologyErosionSpatial distributionMeteorologyRemote sensingGeologyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract. Dust emission is initiated when surface wind velocities exceed the threshold of wind erosion. Most dust models used constant threshold values globally. Here we use satellite products to characterize the frequency of dust events and surface properties. By matching this frequency derived from Moderate Resolution Imaging Spectroradiometer (MODIS) Deep Blue aerosol products with surface winds, we are able to retrieve a climatological monthly global distribution of wind erosion threshold (Vthreshold) over dry and sparsely-vegetated surface. This monthly two-dimensional threshold velocity is then implemented into the Geophysical Fluid Dynamics Laboratory coupled land-atmosphere model (AM4.0/LM4.0). It is found that the climatology of dust optical depth (DOD) and total aerosol optical depth, surface PM10 dust concentrations, and seasonal cycle of DOD are better captured over the dust belt (i.e. North Africa and the Middle East) by simulations with the new wind erosion threshold than those using the default globally constant threshold. The most significant improvement is the frequency distribution of dust events, which is generally ignored in model evaluation. By using monthly rather than annual mean Vthreshold, all comparisons with observations are further improved. The monthly global threshold of wind erosion can be retrieved under different spatial resolutions to match the resolution of dust models and thus can help improve the simulations of dust climatology and seasonal cycle as well as dust forecasting.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,077
Score d'incertitude au seuil0,153

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,255
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAtmospheric aerosols and clouds→Travaux en français237 207→