Notice bibliographique
Résumé
<strong class="journal-contentHeaderColor">Abstract.</strong> Ammonia is a significant precursor of PM<sub>2.5</sub> particles and thus contributes to poor air quality in many regions. Furthermore, ammonia concentrations are rising due to the increase of large scale, intensive agricultural activities, which are often accompanied by greater use of fertilizers and concentrated animal feedlots. Ammonia is highly reactive, and thus highly variable and difficult to measure. Satellite based instruments, such as the Atmospheric Infrared Sounder (AIRS), and the Cross-Track Infrared Sounder (CrIS) sensors, have been shown to provide much greater temporal and spatial coverage of ammonia distribution and variability than is possible with in situ networks or aircraft campaigns, but the validation of these data is limited. Here we evaluate ammonia retrievals from AIRS and CrIS against ammonia measurements from aircraft in the California Central Valley and in the Colorado Front Range. The satellite datasets were small and in California were obtained under difficult conditions. We show that the surface values of the retrieved profiles are biased very low in California and slightly high in Colorado, and that the bias appears to be primarily due to smoothing error. We also compare three years of CrIS ammonia against an in situ network in the Magic Valley in Idaho We show that CrIS ammonia captures both the seasonal signal and the spatial variability in the Magic Valley, though it is biased low here also. In summary, analysis adds to the validation record but also points to the need for more validation under different conditions.
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 | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,019 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».