Aerosol optical depth trends and variability over the Middle East from MODIS, MISR, OMI, and AERONET observations
Notice bibliographique
Résumé
This study compares the performance of the aerosol optical depth (AOD) retrievals from four satellite sensors including MODIS-Terra, MODIS-Aqua, MISR, and OMI by evaluating them against the AERONET ground-based observations across the nine Middle Eastern sites from 2007 to 2021. The analysis reveals that while all the satellite products show reasonable correlation with the AERONET data, their accuracy varies depending on the sensor, location, and environmental conditions. The MODIS-Aqua product showed the highest correlation with AERONET data, with R value of approximately 0.8, while OMI showed the lowest correlation. High AOD values are observed over industrial zones, densely populated urban areas and dust-prone regions. The MODIS sensors, utilizing the combined Deep Blue and Dark Target algorithms, provide broad spatial coverage with consistent performance but tend to underestimate AOD under high aerosol loading. MISR, with its multi-angle viewing capability, demonstrates strong agreement with AERONET, particularly over bright surfaces. Seasonal patterns were evident, with all sensors detecting peak AOD values during summer months of about 0.55, driven by increased dust activity. Retrieval errors increased with AOD magnitude, i.e., RMSE rose by approximately 40% when AOD exceeded 0.5. The study reveals that higher aerosol concentrations are associated with increased retrieval errors, underscoring the need for region-specific calibration and algorithm refinement. These findings highlight the importance of the integrating multi-sensor data and updated retrieval algorithms to improve AOD estimation accuracy in arid and semi-arid regions.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 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 ».