Improvements in XCO2 accuracy from OCO-2 with the latest ACOS v10 product
Notice bibliographique
Résumé
While initial plans for measuring carbon dioxide from space hoped for 1-2 ppm levels of accuracy (bias) and precision in the CO2 column mean dry air mole fraction (XCO2), in the past few years it has become clear that accuracies better than 0.5 ppm are required for most current science applications. These include measuring continental (1000+ km) and regional scale (100s of km) surface fluxes of CO2 at monthly-average timescales. Considering the 400+ ppm background, this translates to an accuracy of roughly 0.1%, an incredibly challenging target to hit. Improvements in both instrument calibration and retrieval algorithms have led to significant improvements in satellite XCO2 accuracies over the past decade. The Atmospheric Carbon Observations from Space (ACOS) retrieval algorithm, including post-retrieval filtering and bias correction, has demonstrated unprecedented accuracy with our latest algorithm version as applied to the Orbiting Carbon Observatory-2 (OCO-2) satellite sensor. This presentation will discuss the performance of the v10 XCO2 product by comparisons to TCCON and models, and showcase its performance with some recent examples, from the potential to infer large-scale fluxes to its performance on individual power plants. The v10 product yields better agreement with TCCON over land and ocean, plus reduced biases over tropical oceans and desert areas as compared to a median of multiple global carbon inversion models, allowing better accuracy and faith in inferred regional-scale fluxes. More specifically, OCO-2 has single sounding precision of ~0.8 ppm over land and ~0.5 ppm over water, and RMS biases of 0.5-0.7 ppm over both land and water. Given the six-year and growing length of the OCO-2 data record, this also enables new studies on carbon interannual variability, while at the same time allowing identification of more subtle and temporally-dependent errors. Finally, we will discuss the prospects of future improvements in the next planned version (v11), and the long-term prospects of greenhouse gas retrievals in the coming years.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,014 |
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 ».