Across-track extension of retrieved cloud and aerosol properties for the EarthCARE mission: the ACMB-3D product
Notice bibliographique
Résumé
Abstract. The narrow cross section of cloud and aerosol properties retrieved by L2 algorithms that operate on data from EarthCARE's nadir-pointing sensors is broadened across-track by an algorithm that is described and demonstrated here. This scene construction algorithm (SCA) consists of four components. At its core is a radiance-matching procedure that works with measurements made by EarthCARE's Multi-Spectral Imager (MSI). In essence, an off-nadir pixel gets filled with retrieved profiles that are associated with a (nearby) nadir pixel whose MSI radiances best match those of the off-nadir pixel. The SCA constructs a 3D array of cloud and aerosol (and surface) properties for entire frames that measure ∼6000 km along-track by 150 km across-track (i.e., the MSI's full swath). Constructed domains out to ∼15 km across-track on both sides of nadir are used explicitly downstream as input for 3D radiative transfer models that predict top-of-atmosphere (TOA) broadband solar and thermal fluxes and radiances. These quantities are compared to commensurate measurements made by EarthCARE's Broadband Radiometer (BBR), thus facilitating a continuous closure assessment of the retrievals. Three 6000 km ×200 km frames of synthetic EarthCARE observations were used to demonstrate the SCA. The main conclusion is that errors in modelled TOA fluxes that stem from use of 3D domains produced by the SCA are expected to be less than ±5 W m−2 and rarely larger than ±10 W m−2. As such, the SCA, as purveyor of information needed to run 3D radiative transfer models, should help more than hinder the radiative closure assessment of EarthCARE's L2 retrievals.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».