Using Satellite Remote Sensing and Modelling for Insights into N02 Air Pollution and NO2 Emissions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Nitrogen oxides (NO(x)) are key actors in air quality and climate change. Satellite remote sensing of tropospheric NO2 has developed rapidly with enhanced spatial and temporal resolution since initial observations in 1995. We have developed an improved algorithm and retrieved tropospheric NO2 columns from Ozone Monitoring Instrument. Column observations of tropospheric NO2 from the nadir-viewing satellite sensors contain large contributions from the boundary layer due to strong enhancement of NO2 in the boundary layer. We infer ground-level NO2 concentrations from the OMI satellite instrument which demonstrate significant agreement with in-situ surface measurements. We examine how NO2 columns measured by satellite, ground-level NO2 derived from satellite, and NO(x) emissions obtained from inventories relate to world's urban population. We perform inverse modeling analysis of NO2 measurements from OMI to estimate top-down surface NO(x) emissions, which are used to evaluate and improve bottom-up emission inventories. We use NO2 column observations from OMI and the relationship between NO2 columns and NO(x) emissions from a GEOS-Chem model simulation to estimate the annual change in NO(x) emissions. The emission updates offer an improved estimate of NO(x) that are critical to our understanding of air quality, acid deposition, and climate change.
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.
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 | 0,001 |
| 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 découle