MétaCan
Menu
← Retour à la cohorte
Enregistrement W3092983823 · doi:10.5194/egusphere-egu2020-12584

Verifying methane emission estimates from agricultural regions in Eastern Ontario using TROPOMI product

2020· article· en· W3092983823 sur OpenAlexaffabout
Jiangui Liu, Ray Desjardins, Andrew VanderZaag, Douglas E. J. Worthy, Devon E. Worth

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésMethaneGreenhouse gasEnvironmental scienceAgricultureWetlandManure managementMethane emissionsAtmospheric sciencesGeographyChemistryEcologyPhysics

Résumé

récupéré en direct d'OpenAlex

The two main sources of CH4 from the agricultural sector are enteric fermentation and manure management systems. Canada uses the IPCC Tier-II methodology to estimate CH4 for its national inventory report of GHG emissions to UNFCCC, which is based on a bottom-up approach using activity data and emission factors obtained through site level experimental measurements. However, because of the presence of wetlands in some agricultural regions, it has been challenging to obtain accurate CH4 emission estimates at a regional scale. This study explores the usefulness of S5P methane product for verifying methane emission estimates in eastern Ontario agricultural land. We investigated the spatiotemporal variability of total column methane mixing ratio, as well as other detailed data layers in the TROPOMI product, such as averaging kernels and a prior profiles. The spatial temporal patterns of wetland methane emission derived from the global WetCHARTs dataset, and a prior knowledge of livestock distribution in the region, are used to interpret S5P methane product. Results showed that TROPOMI methane product provides great spatiotemporal coverage that can be used to verify CH4 emissions from agricultural landscape. This will be useful to reduce methane estimation uncertainties at the regional and national scales.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,122
Score d'incertitude au seuil0,245

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
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 Opus0,028
Tête enseignante GPT0,224
Écart entre enseignants0,196 · 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'admission2
Résumé présentoui

Explorer davantage

Même sujetAtmospheric and Environmental Gas Dynamics→Travaux en français237 207→