The Dependence of TOA Reflectance Anisotropy on Cloud Properties Inferred from ScaRaB Satellite Data
Notice bibliographique
Résumé
An angular dependence model (ADM) describes the anisotropy in the reflectance field. ADMs are a key element in determining the top-of-the-atmosphere (TOA) albedos and radiative fluxes. This study utilizes one-year satellite data from the Scanner for Radiation Budget (ScaRaB) for overcast scenes to examine the variation of ADMs with cloud properties. Using ScaRaB shortwave (SW) overcast radiance measurements, a SW mean overcast ADM, similar to the ERBE ADM, was generated. Differences between the ScaRaB and ERBE overcast ADMs lead to biases of ~0.01-0.04 in mean albedos inferred from specific angular bins. The largest biases are in the backward scattering direction. Overcast ADMs for the visible (VIS) wavelength were also generated using ScaRaB VIS measurements. They are very similar in general to, but a little smaller at large viewing angles and a little larger at nadir than, the SW overcast ADMs. To evaluate the impact of cloud properties on ADMs, ScaRaB overcast observations were further classified into thin, thick, warm, and cold cloud categories to generate four subsets of ADMs. The resulting ADMs for thin and thick clouds show opposite trends and they deviate significantly from the overall mean ADM by several to more than ten percents. Deviations from the mean ADM were also noted for the ADMs developed for warm water clouds and cold ice clouds. These deviations were attributed to the different scattering phase functions of water and ice particles and were compared to results from model simulations. Use of a single mean overcast ADM results in albedo biases of 0.01-0.04, relative to the use of specific ADMs for particular cloud types. The biases reduced to ~0.005 when averaged over all cloud types and viewing geometry.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».