Uncertainty in Aerosol Optical Depth From Modern Aerosol‐Climate Models, Reanalyses, and Satellite Products
Notice bibliographique
Résumé
Abstract Despite the implication of aerosols for the radiation budget, there are persistent differences in data for the aerosol optical depth ( τ ) for 1998–2019. This study presents a comprehensive evaluation of the large‐scale spatio‐temporal patterns of mid‐visible τ from modern data sets. In total, we assessed 94 different global data sets from eight satellite retrievals, four aerosol‐climate model ensembles, one operational ensemble product, two reanalyses, one climatology and one merged satellite product. We include the new satellite data SLSTR and aerosol‐climate simulations from the Coupled Model Intercomparison Project Phase 6 (CMIP6) and the Aerosol Comparisons between Observations and Models Phase 3 (AeroCom‐III). Our intercomparison highlights model differences and observational uncertainty. Spatial mean τ for 60°N – 60°S ranges from 0.124 to 0.164 for individual satellites, with a mean of 0.14. Averaged τ from aerosol‐climate model ensembles fall within this satellite range, but individual models do not. Our assessment suggests no systematic improvement compared to CMIP5 and AeroCom‐I. Although some regional biases have been reduced, τ from both CMIP6 and AeroCom‐III are for instance substantially larger along extra‐tropical storm tracks compared to the satellite products. The considerable uncertainty in observed τ implies that a model evaluation based on a single satellite product might draw biased conclusions. This underlines the need for continued efforts to improve both model and satellite estimates of τ , for example, through measurement campaigns in areas of particularly uncertain satellite estimates identified in this study, to facilitate a better understanding of aerosol effects in the Earth system.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 tête enseignante, 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 ».