MétaCan
Menu
← Retour à la cohorte
Enregistrement W3086455191 · doi:10.5194/egusphere-egu2020-5140

Stratospheric Australian fire smoke layers over Punta Arenas, Chile, measured by ground-based lidar and AEOLUS

2020· article· en· W3086455191 sur OpenAlexaboutno aff
Kevin Ohneiser, Holger Baars, Cristofer Jiménez, Johannes Bühl, Patric Seifert, Athena Augusta Floutsi, Martin Radenz, Ulla Wandinger, Albert Ansmann

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric aerosols and clouds
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStratosphereSmokeAtmospheric sciencesAerosolSouthern HemisphereNorthern HemisphereLidarWavelengthEnvironmental scienceChemistryClimatologyMeteorologyPhysicsGeologyOptics

Résumé

récupéré en direct d'OpenAlex

Exceptionally strong wildfire activity in Australia in summer 2019-2020 triggered the evolution of pyrocumulonimbus clouds, releasing enormous amounts of fire smoke into the upper troposphere and lower stratosphere region of the usually very clean southern hemisphere. Measurements at the lidar site of Punta Arenas (53°S), Chile, show that the first stratospheric smoke layers arrived over Punta Arenas at 6 Jan 2020. First results show striking similarities to a record-breaking event of stratospheric smoke layers from wildfires in Canada in 2017 (Baars et al., ACP 2019). At Punta Arenas, lidar ratios reach values of 45-50 sr at 355 nm, and 60-65 sr at 532 nm wavelength. Particle linear depolarization ratios reach values of 19% at 355 nm, and 15% at 532 nm wavelength. Aeolus is able to detect these intense layers of stratospheric smoke in the southern hemisphere as well. In this contribution, we will discuss our findings of extensive and intensive smoke optical properties over Punta Arenas to the related Aeolus aerosol spin off products of nearby overpasses. Especially the particle linear depolarization ratio at 355 nm are of relevance as AEOLUS is only able to measure the co-polarized 355 nm signal.

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 enseignants0,089
Score d'incertitude au seuil0,176

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,016
Tête enseignante GPT0,215
Écart entre enseignants0,199 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAtmospheric aerosols and clouds→Travaux en français237 207→