Identifying episodic carbon monoxide emission events in the MOPITT measurement dataset
Notice bibliographique
Résumé
The Measurements Of Pollution In The Troposphere (MOPITT) instrument aboard NASA's Terra satellite has been measuring upwelling radiance in a nadir-viewing mode since March 2000. These radiance measurements are inverted to yield estimates of carbon monoxide (CO) profiles and total columns, providing the longest satellite record of this trace gas to date. The CO measurements from MOPITT have been used in a variety of ways, including trend analyses and the construction of CO budgets. However, their use is complicated by the influence of episodic emission events, which release large quantities of CO into the atmosphere with irregular timing, such as large sporadic wildfires of natural or anthropogenic origin. The chaotic nature of these events is a large source of variability in CO budgets and models, requiring that these events be well characterized in order to develop an improved understanding of the role they have in influencing tropospheric CO. This study describes the development of a multistep algorithm that is used to identify large episodic emission events using daily mean Level 2 (L2) MOPITT total column measurements gridded to a 0.5 by 0.5° spatial resolution. The core component of this procedure involves empirically determining the expectation density function (EDF) that describes the departure of daily-mean CO observations from the baseline behaviour of CO, as described by its periodic components and trends. The EDFs employed are not assumed to be symmetric but instead are constructed from a pair of superimposed normal distributions. Enhancement flag files are produced following this methodology, identifying the episodic events that show strong enhancement of CO outside of the range of expected CO behaviour and are now made available for the period 3 March 2000 to 31 July 2022. The distribution and frequency of these flagged measurements over this 22-year period are analyzed in order to illustrate the robustness of this method.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».