Global Ensemble Fire Emission Product Version 1.0 (EnsemFire V1.0)
Notice bibliographique
Résumé
This paper presents EnsemFire v1.0, a global ensemble fire emission dataset that provides daily emissions at 0.1° × 0.1° spatial resolution for key air pollutants like fine particulate matter (PM₂.₅), black carbon (BC), organic carbon (OC), carbon monoxide (CO), ammonia (NH₃), nitrogen oxides (NO x ), and sulfur dioxide (SO₂), greenhouse gases including carbon dioxide (CO₂) and methane (CH₄), and fire radiative power (FRP). EnsemFire integrates seven widely used biomass burning emission inventories, including five global datasets (GFAS, FINN, FEER, QFED, GBBEPx) and two regional products (EPA and CFFEPS). Our analysis reveals noticeable inconsistencies among these datasets, reflecting the large uncertainty in biomass burning emission estimates. By applying an ensemble approach, EnsemFire reduces this uncertainty and provides a more robust emission estimate. When used as input to the Unified Forecast System (UFS) model, EnsemFire significantly reduces simulation bias and improves the model performance to predict aerosol optical depth (AOD) compared to the control run that uses the default emission input. This dataset offers a valuable resource for atmospheric modeling, air quality forecasting, and climate research.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».