Identification and description of fire emission plumes from Sentinel-5p observations   
Notice bibliographique
Résumé
Understanding the dynamics and characteristics of emission plumes from wildfires is of paramount importance for environmental monitoring and policy decisions. These plumes, composed of various greenhouse gases and pollutants, can have far-reaching consequences on global climate, air quality and health. In this study, a data-driven approach to detect and characterise emission plumes from wildfires utilising TROPOMI (Tropospheric Monitoring Instrument) of the Sentinel-5p satellite observations of nitrogen oxides (NOx), carbon monoxide (CO) and aerosols. The analysis leverages VIIRS active fire data to identify locations of fire occurrence, laying the foundation for plume detection. The primary hypothesis states that a plume image consists of three components: a plume body or core, a transitional zone from plume to clear sky, and the clear sky itself. To realise this hypothesis, a data-driven unsupervised algorithm to identify and map plumes is developed, which is based on kernel functions to pre-process the Sentinel-5p images. These kernels effectively highlight plume-related features, allowing for more precise delineation. Subsequently, Gaussian Mixture Models (GMM) are utilised to classify the images into three components of the plume according to the main hypothesis. In instances where multiple plume candidates exist, a Gaussian distance weighting function to identify the likeliest plume is employed. Furthermore, the mapping of the plume-clean air transition zones is further evaluated by employing Monte Carlo simulations to validate and refine the transition zone assessments. To verify the detections, plumes of methane (CH4), carbon monoxide (CO), formaldehyde (HCHO), nitrogen dioxide (NO2) and aerosols for several plumes over the Amazon and Alberta are extracted and the plume properties are related to different landcover types. The findings of this study provide valuable insights into the development of an advanced methodology for plume detection, which has broad implications for the understanding and monitoring of fire emissions and atmospheric research.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 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 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 ».