Remote-sensing detectability of airborne Arctic dust
Notice bibliographique
Résumé
Remote-sensing (RS)-based estimates of Arctic dust are oftentimes overestimated due to a failure in separating out the dust contribution from that of spatially homogeneous clouds or low-altitude cloud-like plumes. A variety of illustrations are given with a particular emphasis on questionable claims of using brightness temperature differences (BTDs) as a signature indicator of Arctic dust transported from mid-latitude deserts or generated by local Arctic sources. While there is little dispute about the presence of both Asian and local dust across the Arctic, the direct RS detectability of airborne dust, as ascribed to satellite (MODIS and AVHRR) measurements of significantly negative brightness temperature differences at 11 and 12 µm (BTD 11–12 ), has been misrepresented in certain cases. While it is difficult to account for all examples of strongly negative BTD 11–12 values in the Arctic, it is unlikely that airborne dust plays a significant role. One much more likely contributor would be water clouds in the Arctic inversion layer. The RS detectability of the impact of Arctic dust (notably due to Arctic dust from local sources) can, however, be of significance. Sustained dust deposition can substantially decrease (visible to shortwave IR) snow and ice reflectance albedo (pan-chromatic reflectance) and the signal measured by satellite sensors. Significantly negative BTD 11–12 values would, however, only represent a limited area near the drainage basin sources according to our event-level case studies. The enhanced ice-nucleating particle (INP) role of local Arctic dust can, for example, induce significant changes in the properties of low-level mixed-phase clouds (cloud optical depth changes < ∼ 1) that can readily be detected by active and passive RS instruments. It is critical that the distinction between the RS detectability of airborne Arctic dust versus the RS detectability of the impacts of that dust be understood if we are to appropriately parameterize, for example, the radiative forcing influence of dust in this climate-sensitive region.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».