Combined Retrieval of Cloud Parameters for TEMPO Measurements Over Canada Using Oxygen Dimer and B Band Absorption
Notice bibliographique
Résumé
Abstract Tropospheric Emissions: Monitoring of Pollution (TEMPO) provides valuable hourly measurements of airborne pollutants over North America. Data quality over snowy surfaces may degrade due to difficulty in accurately characterizing surface reflectivity and cloud properties, as snow and cloud are both highly reflective and therefore challenging to distinguish optically. Cloud properties for satellite‐based trace gas retrievals are commonly extracted from measurements of oxygen, through either direct absorption (A band, B band) or collisional absorption (oxygen dimer). Here we investigate a combination of the two methods, with potential for extracting additional cloud information over challenging scenes due to the different responses of the two methods to various atmospheric conditions. A combined retrieval is successfully applied to simplified simulated data, extracting cloud information under conditions which would cause either retrieval to fail on its own. A second technique is demonstrated on the simulated data which attempts to flag partially cloudy scenes in the absence of external surface reflectivity information. The individual retrievals are applied to TEMPO data and compared in order to investigate their compatibility for potential use in combined retrievals. Variability in effective cloud fraction is found to be on the order of 0.1, and a bias in optical centroid pressure (representing the altitude of the cloud) is observed between methods, up to 50 hPa for fully overcast scenes and higher for partially cloud scenes. Further investigation is required to determine if these discrepancies are due to retrieval error, instrument calibration, or physical differences between spectral bands.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 tête enseignante, 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 ».