Investigating the impacts of satellite fire observation accuracy on the top-down nitrogen oxides emission estimation in northeastern Asia
Notice bibliographique
Résumé
NOx fire emissions greatly affect atmosphere and human society. The top-down NOx fire emission estimation is highly influenced by satellite fire observation performance (e.g., fire detection) by affecting the derivation of emission coefficient (EC) and fire radiative power (FRP) magnitude. However, such influence is lack of comprehensive study. Here, we developed an algorithm to evaluate such impacts in northeastern Asia using multi-source data during 2012–2019. Specifically, we extracted near-concurrent fire observations from MODIS and its successor VIIRS over their orbit-overlapping area and combined respectively with OMI NO2 concentration to derive NOx EC. We compared EC between MODIS and VIIRS, and defined a synergetic effect index (SEI) to explore the combined effects on NOx fire emission estimation due to potentially different ECs and FRP between the two sensors. Finally, we applied EC to estimate NOx emission and made comparison between MODIS and VIIRS. Results show that: 1) both sensors derived considerably higher NOx EC for low-biomass vegetation fires (e.g., grassland fires) than other vegetation fires; however, MODIS EC is about 30% lower than VIIRS EC while similar values are derived for forest fires; 2) synergetic effects induced by different ECs and FRP magnitudes between the two sensors are more significant during fall and winter than in spring and summer; 3) annual NOx emissions based on MODIS EC are 15–23% lower than that from VIIRS EC during 2012–2019, while both are lower than the conventional bottom-up emission inventories GFED and FINN by an average of 23–44%; nevertheless, the EC-based NOx estimations presented high spatiotemporal correlation of R usually between 0.70 and 0.95 with GFED and FINN. These results reveal and quantify the critical impacts of satellite fire observation performance on EC derivation and fire emission estimation, which is helpful in reducing estimation uncertainty.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».