MétaCan
Menu
Retour à la cohorte
Enregistrement W4286631882 · doi:10.3389/frsen.2022.904505

Effect of Spectral Variability of Aerosol Optical Properties on Direct Aerosol Radiative Effect

2022· article· en· W4286631882 sur OpenAlexaff
Seiji Kato, Tyler J. Thorsen, Seung‐Hee Ham, Norman G. Loeb, R. A. Ferrare, David M. Winker, Howard W. Barker, Graeme L. Stephens, K. Sebastian Schmidt, Kerry Meyer, Brian Cairns

Notice bibliographique

RevueFrontiers in Remote Sensing · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric aerosols and clouds
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesLangley Research CenterNational Aeronautics and Space Administration
Mots-clésAerosolRadianceLidarEnvironmental scienceRadiative transferSingle-scattering albedoAngstrom exponentRemote sensingAtmospheric sciencesIrradianceShortwaveWavelengthAERONETAtmosphere (unit)Optical depthSpectrometerAtmospheric radiative transfer codesMeteorologyOpticsPhysicsGeology

Résumé

récupéré en direct d'OpenAlex

Aerosol optical properties depend on wavelength as well as both mixing ratios and size distributions of components that make up a particular type of aerosol. This study examines impacts on direct aerosol radiative effect (DARE) for desert, clean maritime, and polluted maritime aerosol types over the ocean when their optical properties are determined by various combinations of observations made by active (i.e., lidar) and passive (e.g., shortwave spectrometer) satellite sensors. Spectral optical properties are perturbed by altering mixing ratios of components that define aerosol types with assumptions that components within an aerosol type are fixed and only one aerosol type is present in the atmosphere. When 532 nm depolarization ratio from the lidar is used to identify desert aerosol, the uncertainty in the mean DARE due to spectral optical property variabilities is 10%. When the 532 nm depolarization and lidar ratios are used to identify clean and polluted maritime aerosols, uncertainties in mean DARE are, respectively, 4 and 18%. When scattering optical thicknesses are also known to within ± 3% at four passive imager wavelengths (340 nm, 546 nm, 966 nm, and 1,657 nm), uncertainty in the polluted maritime DARE decreases to 8%. Uncertainties in the instantaneous top-of-atmosphere (TOA) reflected irradiances derived from observed broadband radiances and angular distribution models are also estimated. When TOA irradiances are derived solely from the nadir view, their uncertainties can be reduced if aerosol type can be identified and aerosol type dependence is considered in the radiance to irradiance conversion. This is especially so for aerosols with a large fraction of nonspherical particles, such as desert aerosols.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,207
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Remote SensingMême sujetAtmospheric aerosols and cloudsTravaux en français237 207