MétaCan
Menu
Retour à la cohorte
Enregistrement W4296280661 · doi:10.5194/amt-15-5235-2022

Identification of smoke and sulfuric acid aerosol in SAGE III/ISS extinction spectra

2022· article· en· W4296280661 sur OpenAlexaboutno aff
Travis N. Knepp, L. W. Thomason, Mahesh Kovilakam, Jason L. Tackett, Jayanta Kar, Robert Damadeo, D. E. Flittner

Notice bibliographique

RevueAtmospheric measurement techniques · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric Ozone and Climate
Établissements canadiensnon disponible
Organismes subventionnairesHuman Exploration and Operations Mission DirectorateScience Mission DirectorateEuropean Space AgencyLangley Research CenterNational Aeronautics and Space Administration
Mots-clésAerosolSulfuric acidSmokeVolcanoStratosphereVulcanian eruptionEnvironmental scienceVolcanic ashExtinction (optical mineralogy)MeteorologyAtmospheric sciencesRemote sensingMineralogyChemistryGeologyPhysicsSeismologyInorganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract. We developed a technique to classify the composition of enhanced aerosol layers as either smoke or sulfuric acid aerosol using extinction spectra from the Stratospheric Aerosol and Gas Experiment III instrument aboard the International Space Station (SAGE III/ISS). This method takes advantage of the different spectral properties of smoke and sulfuric acid aerosol, which is manifest in distinctly different spectral slopes in the SAGE III/ISS data. Herein we demonstrate the utility of this method and present an evaluation of its performance using four case-study events of two moderate volcanic eruptions (2018 Ambae eruption and 2019 Ulawun eruption, both of which released <0.5 Tg of SO2) and two large wildfire events (2017 Canadian pyroCb and 2020 Australian pyroCb). We provide corroborative data from the Cloud–Aerosol Lidar with Orthogonal Polarization (CALIOP) instrument to support these classifications. This method correctly classified smoke and sulfuric acid plumes in the case-study events >81 % and >99.5 % of the time, respectively. The application of this method to a large volcanic event (i.e., the 2019 Raikoke eruption; ≥1.5 Tg SO2) serves as an example of why this method is limited to small and moderate volcanic events as it incorrectly classified Raikoke's larger sulfuric acid particles as smoke. We evaluated the possibility of smoke being present in the stratosphere before and after the Raikoke eruption. While smoke was present during this time period it was insufficient to account for the magnitude of smoke classifications we observed. Therefore, while this method worked well for large-scale wildfire events and eruptions that inject less SO2, the size of the aerosol created by the Raikoke eruption was outside the applicable range of this method.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,023
Tête enseignante GPT0,227
Écart entre enseignants0,204 · 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'étudeObservationnel
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

Citations19
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAtmospheric measurement techniquesMême sujetAtmospheric Ozone and ClimateTravaux en français237 207