Estimating ground-level CH<sub>4</sub> concentrations inferred from Sentinel-5P
Notice bibliographique
Résumé
Methane (CH4) is an important greenhouse gas; however, there is a lack of large-scale studies on ground-level CH4 concentrations. We estimated global ground-level CH4 concentrations based on the CH4 columns from the Copernicus Sentinel-5 precursor satellite (S5P) and vertical profiles of CH4 concentrations simulated from the Atmospheric Chemical Transport Model (GEOS-Chem). The proposed approach had achieved a high predictive accuracy for monthly ground-level CH4 concentrations, with a correlation coefficient of 0.93 (p < 0.01) and RMSE of 29.93 ppb between the estimated CH4 concentrations and those of ground measurements from the World Data Centre for Greenhouse Gases (WDCGG). Compared with the S5P CH4 columns, the estimated ground-level CH4 concentration has a close spatial relationship with emissions. The high CH4 concentrations occurred in eastern China, northern India, western Russia, eastern U.S., and central Europe. Furthermore, the estimated ground-level CH4 concentrations could reflect the seasonal variations of the observations, with correlation coefficients from 0.14 to 0.92. Our findings highlight the importance of satellite observations on atmospheric CH4 in understanding the spatial and temporal emissions.
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) | 0,000 | 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 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 ».