MétaCan
Menu
Retour à la cohorte
Enregistrement W3012083207 · doi:10.3390/rs12060917

Vertical Distribution of Arctic Methane in 2009–2018 Using Ground-Based Remote Sensing

2020· article· en· W3012083207 sur OpenAlexfundno aff
Tomi Karppinen, Otto Lamminpää, Simo Tukiainen, Rigel Kivi, Pauli Heikkinen, Juha Hatakka, Marko Laine, Huilin Chen, Hannakaisa Lindqvist, Johanna Tamminen

Notice bibliographique

RevueRemote Sensing · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of WaterlooEuropean CommissionAcademy of FinlandEuropean Space Agency
Mots-clésTroposphereEnvironmental scienceStratosphereRemote sensingArcticMethaneAtmospheric sciencesSpectrometerGeologyPhysicsOpticsChemistry

Résumé

récupéré en direct d'OpenAlex

We analyzed the vertical distribution of atmospheric methane (CH 4 ) retrieved from measurements by ground-based Fourier Transform Spectrometer (FTS) instrument in Sodankylä, Northern Finland. The retrieved dataset covers 2009–2018. We used a dimension reduction retrieval method to extract the profile information, since each measurement contains around three pieces of information about the profile shape between 0 and 40 km. We compared the retrieved profiles against Atmospheric Chemistry Experiment Fourier Transform Spectrometer (ACE-FTS) satellite measurements and AirCore balloon-borne profile measurements. Additional comparison at the lowest tropospheric layer was done against in-situ measurements from a 50-m-high mast. In general, the ground-based FTS and ACE-FTS profiles agreed within 10% below 20 km and within 30% in the stratosphere between 20 and 40 km. Our method was able to accurately capture reduced methane concentrations inside the polar vortex in the Arctic stratosphere. The method produced similar trend characteristics as the reference instruments even when a static prior profile was used. Finally, we analyzed the time series of the CH 4 profile datasets and estimated the trend using the dynamic linear model (DLM).

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,077
Score d'incertitude au seuil0,154

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,019
Tête enseignante GPT0,230
Écart entre enseignants0,211 · 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'étudeObservationnel
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

Citations18
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207