Evaluating different methods for elevation calibration of MAX-DOAS (Multi AXis Differential Optical Absorption Spectroscopy) instruments during the CINDI-2 campaign
Notice bibliographique
Résumé
Abstract. We present different methods for in-field elevation calibration of MAX-DOAS (Multi AXis Differential Optical Absorption Spectroscopy) instruments that were applied and inter-compared during the second Cabauw Intercomparison campaign for Nitrogen Dioxide measuring Instruments (CINDI-2). One necessary prerequisite of consistent MAX-DOAS retrievals is a precise and accurate calibration of the elevation angles of the different measuring systems. Therefore, different methods for this calibration were applied to several instruments during the campaign, and the results were inter-compared. This work first introduces and explains the different methods, namely far- and near-lamp measurements, white-stripe scans, horizon scans and sun scans, using data and results for only one (mainly the Max Planck Institute for Chemistry) instrument. In the second part, the far-lamp measurements and the horizon scans are examined for all participating groups. Here, the results for both methods are first inter-compared for the different instruments; secondly, the two methods are compared amongst each other. All methods turned out to be well-suited for the calibration of the elevation angles of MAX-DOAS systems, with each of them having individual advantages and drawbacks. Considering the results of this study, the systematic uncertainties of the methods can be estimated as ±0.05∘ for the far-lamp measurements and the sun scans, ±0.25∘ for the horizon scans, and around ±0.1∘ for the white-stripe and near-lamp measurements. When comparing the results of far-lamp and horizon-scan measurements, a spread of around 0.9∘ in the elevation calibrations is found between the participating instruments for both methods. This spread is of the order of a typical field of view (FOV) of a MAX-DOAS instrument and therefore affecting the retrieval results. Further, consistent (wavelength dependent) offsets of 0.32∘ and 0.40∘ between far-lamp measurements and horizon scans are found, which can be explained by the fact that, despite the flat topography around the measurement site, obstacles such as trees might mark the visible horizon during daytime. The observed wavelength dependence can be explained by surface albedo effects. Lastly, the results are discussed and recommendations for future campaigns are given.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».