Local dust plume analysis and classification using ground-based remote sensing and microphysical measurement acquired at Lhù’ààn Mân’ (Kluane Lake), Yukon
Notice bibliographique
Résumé
The sub-Arctic Lhù’ààn Mân’ (Kluane Lake) region in the Canadian Yukon is subject to regular drainage wind-induced dust plumes emanating from the Slims River basin. This dust emissions site is just one of many current and potential future proglacial dust sources in the Canadian North. We employed ground-based passive and active remote sensing (RS) techniques to analyze the complementarity and redundancy of such RS retrievals relative to springtime (May 2019) Kluane Lake microphysical measurements. This included correlation analyses between ground-based coarse mode (CM) aerosol optical depth (AOD) retrievals from AERONET AOD spectra, CM AODs derived from co-located Doppler lidar profiles and OPS (Optical Particle Sizer) surface measurements of CM particle-volume concentration ( ). An automated dust classification scheme tied to intercorrelations between lidar-derived CM AOD, AERONET-derived CM AODs and variations was developed to objectively identify local dust events. Lidar ratios derived from a priori refractive indices and OPS-derived effective radius statistics were also validated using AERONET-derived CM AODs. Bi-modal CM PSDs from AERONET inversions showed CM peaks at ~ 1.3 µm and 5 – 6.6 µm radius: we argued that this was associated with springtime Asian dust and Lhù’ààn Mân’ dust, respectively. Correlations between the CIMEL-derived fine-mode (FM) AOD and FM OPS-derived particle-volume concentration suggest that remote sensing techniques can be employed to monitor FM dust (which is arguably a better indicator of the long-distance transport of HLD).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,000 | 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 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 ».