Reviewing global estimates of surface reactive nitrogen concentration and deposition using satellite retrievals
Notice bibliographique
Résumé
Since the industrial revolution, human activities have dramatically changed the nitrogen (N) cycle in natural systems. Anthropogenic emissions of reactive nitrogen (N r ) can return to the earth's surface through atmospheric N r deposition. Increased N r deposition may improve ecosystem productivity. However, excessive N r deposition can cause a series of negative effects on ecosystem health, biodiversity, soil, and water. Thus, accurate estimations of N r deposition are necessary for evaluating its environmental impacts. The United States, Canada and Europe have successively launched a number of satellites with sensors that allow retrieval of atmospheric NO 2 and NH 3 column density and therefore estimation of surface N r concentration and deposition at an unprecedented spatiotemporal scale. Atmosphere NH 3 column can be retrieved from atmospheric infra-red emission, while atmospheric NO 2 column can be retrieved from reflected solar radiation. In recent years, scientists attempted to estimate surface N r concentration and deposition using satellite retrieval of atmospheric NO 2 and NH 3 columns. In this study, we give a thorough review of recent advances of estimating surface N r concentration and deposition using the satellite retrievals of NO 2 and NH 3 , present a framework of using satellite data to estimate surface N r concentration and deposition based on recent works, and summarize the existing challenges for estimating surface N r concentration and deposition using the satellite-based methods. We believe that exploiting satellite data to estimate N r deposition has a broad and promising prospect.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 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 ».