MétaCan
Menu
← Retour à la cohorte
Enregistrement W4386090176 · doi:10.5194/gmd-2023-75-ac1

Reply on RC1

2023· peer-review· en· W4386090176 sur OpenAlexaffabout
Lukas Fehr

Notice bibliographique

Revuenon disponible
Typepeer-review
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésGeostationary orbitAir mass (solar energy)Atmosphere (unit)Air quality indexRadiative transferTroposphereMeteorologyEnvironmental scienceMonte Carlo methodClear-air turbulencePhysicsMathematicsAerospace engineeringMechanicsSatelliteStatisticsEngineeringOptics

Résumé

récupéré en direct d'OpenAlex

Abstract. Air quality measurements from geostationary orbit by the upcoming instrument TEMPO (Tropospheric Emissions: Monitoring of Pollution) will offer an unprecedented view of atmospheric composition over North America. Measurements over Canadian latitudes, however, offer unique challenges: TEMPO's lines of sight are shallower, the sun is lower, and snow cover is more common. All of these factors increase the impact of the sphericity and the horizontal inhomogeneity of the atmosphere on the accuracy of the air quality measurements. Air mass factors encapsulate the complex paths of the measured sunlight, but traditionally they ignore horizontal variability. For the high spatial resolution of modern instruments such as TEMPO, the error due to neglecting horizontal variability is magnified and needs to be characterized. Here we present developments to SASKTRAN, the radiative transfer framework developed at the University of Saskatchewan, to calculate air mass factors in a spherical atmosphere, with and without consideration of horizontal inhomogeneity. Recent upgrades to SASKTRAN include first order spherical corrections for the discrete ordinates method and the capacity to compute air mass factors with the Monte Carlo method. Together with finite difference air mass factors via the successive orders method, this creates a robust framework for computing air mass factors. One dimensional air mass factors from all three methods are compared in detail and are found to be in good agreement. Two-dimensional air mass factors are computed with the deterministic successive orders method, demonstrating an alternative for a calculation which would typically be done only with a non-deterministic Monte Carlo method. The two-dimensional air mass factors are used to analyze a simulated scene with TEMPO over the Canadian oil sands. The effect of a sharp horizontal feature in surface albedo and surface NO2 was quantified while varying the distance of the feature from the intended measurement location. Such a feature in the surface albedo or surface NO2 could induce errors on the order of 5 to 10 % at a distance of 50 km, and their combination could induce errors on the order of 10 % as far as 100 km away.

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)0,003
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,114
Score d'incertitude au seuil0,382

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,027
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,003
Communication savante0,0050,005
Science ouverte0,0040,003
Intégrité de la recherche0,0350,032
Charge utile insuffisante (le modèle a refusé de juger)0,1140,099

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 Opus0,018
Tête enseignante GPT0,254
Écart entre enseignants0,235 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetAtmospheric and Environmental Gas Dynamics→Travaux en français237 207→