MétaCan
Menu
← Retour à la cohorte
Enregistrement W4393921237 · doi:10.5281/zenodo.4317553

Global daily Aerosol Optical Depth measurements from Moderate Resolution Imaging Spectroradiometer (MODIS) on NASA's Aqua and Terra satellites

2020· dataset· en· W4393921237 sur OpenAlexaff
Nicolas Gendron-Carrier, Marco Gonzalez-Navarro, Stefano Polloni, Matthew A. Turner

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2020
Typedataset
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality Monitoring and Forecasting
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésModerate-resolution imaging spectroradiometerRemote sensingSpectroradiometerAerosolEnvironmental scienceSatelliteMeteorologyGeologyReflectivityGeographyPhysicsOpticsAstronomy

Résumé

récupéré en direct d'OpenAlex

This repository contains input MODIS AOD data prepared for “Subways and Urban Air Polution” by Gendron-Carrier, Gonzalez-Navarro, Polloni and Turner (American Economic Journal: Applied Economics, https://doi.org/10.1257/app.20180168). The main replication archive is available at https://doi.org/10.3886/E126401V1 . Description of input MODIS AOD data The Moderate Resolution Imaging Spectroradiometers aboard the Terra and Aqua earth-observing satellites provide daily measures of the aerosol optical depth of the atmosphere at a 3km spatial resolution everywhere in the world. Data is available in ‘granules’ which describe five minutes of satellite time. These granules are available, more or less continuously, from February 24, 2000 for the Terra satellite and from July 4, 2002 for Aqua. During September of 2018, we downloaded all available granules for Terra and Aqua until August 31, 2018 and subsequently consolidated them into daily rasters describing global AOD. In August 2020, we processed additional Terra data. This archive therefore contains daily rasters for Aqua (from 2002-07-04 to 2018-08-31) and Terra (from 2000-02-24 to 2020-07-31). We note that February 2005 data are missing for the Aqua satellite. We use source products MOD04_3K (https://doi.org/10.5067/MODIS/MOD04_L2.006) and MYD04_3K (https://doi.org/10.5067/MODIS/MYD04_L2.006). The product files are stored in Hierarchical Data Format (HDF) and we use the "Optical Depth Land And Ocean" layer, which is stored as a Scientific Data Set (SDS) within the HDF file, as our measure of aerosol optical depth. The "Optical Depth Land And Ocean" dataset contains only the AOD retrievals of high quality. We convert all HDF formatted granules to GIS compatible formats using the HDF-EOS To GeoTIFF Conversion Tool (HEG) provided by NASA’s Earth Observing System Program. We consolidate GeoTIFF granules into a global raster for each day using ArcGIS. First, we keep only AOD values that do contain information. The missing value is -9999 in AOD retrievals. Second, we create a raster catalog with all the granules for a given day and calculate the average AOD value using the Raster Catalog to Raster Dataset tool. The code used to accomplish this is included for reference purposes in “dofiles/old_work” of the main replication archive at https://doi.org/10.3886/E126401V1.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,145

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,006
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0430,043

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 Opus0,067
Tête enseignante GPT0,265
Écart entre enseignants0,198 · 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
GenreJeu de données

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

En bref

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetAir Quality Monitoring and Forecasting→Travaux en français237 207→