An 11-year record of XCO <sub>2</sub> estimates derived from GOSAT measurements using the NASA ACOS version 9 retrieval algorithm
Notice bibliographique
Résumé
Abstract. The Thermal And Near infrared Sensor for carbon Observation – Fourier Transform Spectrometer (TANSO-FTS) on the Japanese Greenhouse gases Observing SATellite (GOSAT) has been returning data since April 2009. The version 9 (v9) Atmospheric Carbon Observations from Space (ACOS) Level 2 Full Physics (L2FP) retrieval algorithm (Kiel et al., 2019) was used to derive estimates of carbon dioxide (CO2) dry air mole fraction (XCO2) from the TANSO-FTS measurements collected over its first 11 years of operation. The bias correction and quality filtering of the L2FP XCO2 product were evaluated using estimates derived from the Total Carbon Column Observing Network (TCCON) as well as values simulated from a suite of global atmospheric inversion systems (models) which do not assimilate satellite-derived CO2. In addition, the v9 ACOS GOSAT XCO2 results were compared with collocated XCO2 estimates derived from NASA's Orbiting Carbon Observatory-2 (OCO-2), using the version 10 (v10) ACOS L2FP algorithm. These tests indicate that the v9 ACOS GOSAT XCO2 product has improved throughput, scatter, and bias, when compared to the earlier v7.3 ACOS GOSAT product, which extended through mid 2016. Of the 37 million soundings collected by GOSAT through June 2020, approximately 20 % were selected for processing by the v9 L2FP algorithm after screening for clouds and other artifacts. After post-processing, 5.4 % of the soundings (2×106 out of 37×106) were assigned a “good” XCO2 quality flag, as compared to 3.9 % in v7.3 (<1 ×106 out of 24×106). After quality filtering and bias correction, the differences in XCO2 between ACOS GOSAT v9 and both TCCON and models have a scatter (1σ) of approximately 1 ppm for ocean-glint observations and 1 to 1.5 ppm for land observations. Global mean biases against TCCON and models are less than approximately 0.2 ppm. Seasonal mean biases relative to the v10 OCO-2 XCO2 product are of the order of 0.1 ppm for observations over land. However, for ocean-glint observations, seasonal mean biases relative to OCO-2 range from 0.2 to 0.6 ppm, with substantial variation in time and latitude. The ACOS GOSAT v9 XCO2 data are available on the NASA Goddard Earth Science Data and Information Services Center (GES-DISC) in both the per-orbit full format (https://doi.org/10.5067/OSGTIL9OV0PN, OCO-2 Science Team et al., 2019b) and in the per-day lite format (https://doi.org/10.5067/VWSABTO7ZII4, OCO-2 Science Team et al., 2019a). In addition, a new set of monthly super-lite files, containing only the most essential variables for each satellite observation, has been generated to provide entry level users with a light-weight satellite product for initial exploration (CaltechDATA, https://doi.org/10.22002/D1.2178, Eldering, 2021). The v9 ACOS Data User's Guide (DUG) describes best-use practices for the GOSAT data (O'Dell et al., 2020). The GOSAT v9 data set should be especially useful for studies of carbon cycle phenomena that span a full decade or more and may serve as a useful complement to the shorter OCO-2 v10 data set, which begins in September 2014.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».