Towards Low-Latency Estimation of Atmospheric CO2 Growth Rates using Satellite Observations: Evaluating Sampling Errors of Satellite and In Situ Observing Approaches
Notice bibliographique
Résumé
The atmospheric CO2 growth rate is a fundamental measure of climate forcing. NOAA's annual growth rate estimates, derived from in situ observations at the marine boundary layer (MBL), serve as the benchmark in policy and science. However, NOAA's MBL-based method encounters challenges in accurately estimating the whole-atmosphere CO2 growth rate at sub-annual scales. We introduce the Growth Rate from Satellite Observations (GRESO) method as a complementary approach to estimate the whole-atmosphere CO2 growth rate utilizing satellite data. Satellite CO2 observations offer extensive atmospheric coverage that extends the capability of the current NOAA benchmark. We assess the sampling errors of the GRESO and NOAA methods using ten atmospheric transport model simulations. The simulations generate synthetic OCO-2 satellite and NOAA MBL data for calculating CO2 growth rates, which are compared against the global sum of carbon fluxes used as model inputs. We find good performance for the NOAA method (R = 0.93, RMSE = 0.12 ppm/year or 0.25 PgC/year). GRESO demonstrates lower sampling errors (R = 1.00; RMSE = 0.04 ppm/year or 0.09 PgC/year). Additionally, GRESO shows better performance at monthly scales than NOAA (R = 0.77 vs 0.47, respectively). Due to CO2's atmospheric longevity, the NOAA method accurately captures growth rates over five-year intervals. GRESO's robustness across partial coverage configurations (ocean or land data) shows that satellites can be promising tools for low-latency CO2 growth rate information, provided the systematic biases are minimized using in situ observations. Along with accurate and calibrated NOAA in situ data, satellite-derived growth rates can provide information about the global carbon cycle at sub-annual scales.
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 | 0,004 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».