Toward High Precision XCO2 Retrievals from TanSat Observations: Retrieval Improvement and Validation against TCCON Measurements
Notice bibliographique
Résumé
TanSat is the 1st Chinese carbon dioxide (CO) measurement satellite, launched in 2016. In this study, the University of Leicester Full Physics (UoL-FP) algorithm is implemented for TanSat nadir mode XCO retrievals. We develop a spectrum correction method to reduce the retrieval errors by the online fitting of an 8 order Fourier series. The model and a priori is developed by analyzing the solar calibration measurement. This correction provides a significant improvement to the O A band retrieval. Accordingly, we extend the previous TanSat single CO weak band retrieval to a combined O A and CO weak band retrieval. A Genetic Algorithm (GA) has been applied to determine the threshold values of post-screening filters. In total, 18.3% of the retrieved data is identified as high quality compared to the original measurements. The same quality control parameters have been used in a footprint independent multiple linear regression bias correction due to the stronger correlation with the XCO retrieval error. Twenty sites of the Total Column Carbon Observing Network (TCCON) have been selected to validate our new approach for the TanSat XCO retrieval. We show that our new approach produces a significant improvement on the XCO retrieval accuracy and precision when compared to TCCON with an average bias and RMSE of -0.08 ppm and 1.47 ppm, respectively. The methods used in this study can help to improve the XCO retrieval from TanSat and subsequently the Level-2 data production, and hence will be applied in the TanSat operational XCO processing.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».