MétaCan
Menu
Retour à la cohorte
Enregistrement W1561925820 · doi:10.1029/2012jd017774

16‐year simulation of Arctic black carbon: Transport, source contribution, and sensitivity analysis on deposition

2012· article· en· W1561925820 sur OpenAlexaffabout
Sangeeta Sharma, Misa Ishizawa, Douglas Chan, D. Lavoué, Elisabeth Andrews, Konstantinos Eleftheriadis, Shamil Maksyutov

Notice bibliographique

RevueJournal of Geophysical Research Atmospheres · 2012
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensBrampton Civic HospitalEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésArcticEnvironmental scienceClimatologyAtmospheric sciencesDeposition (geology)SnowLatitudeAtmosphere (unit)Physical geographyGeographyOceanographyMeteorologyGeology

Résumé

récupéré en direct d'OpenAlex

Arctic regional climate is influenced by the radiative impact of aerosol black carbon (BC) both in the atmosphere and deposited on the snow and ice covered surfaces. The NIES (National Institute for Environmental Studies) global atmospheric transport model was used, with BC emissions from mid‐latitude fossil fuel and biomass burning source regions, to simulate BC concentrations with 16 year period. The model‐simulated BC agreed well with the BC observations, including the trends and seasonality, at three Arctic sites: Alert (Nunavut, Canada), Barrow (Alaska, USA), and Zepplin, Ny‐Ålesund (Svalbard, Norway). The equivalent black carbon (EBC, absorption inferred BC) observations at the three Arctic locations showed an overall decline of 40% from 1990 to 2009; with most change occurring during early 1990s. Model simulations confirmed declining influence on near surface BC contribution by 70% , and atmospheric BC burden by one half from the Former Soviet Union (FSU) BC source region over 16 years. In contrast, the BC contribution from the East Asia (EA) region has little influence at the surface but atmospheric Arctic BC burden increased by 3 folds. Modelled dry deposition is dominant in the Arctic during wintertime, while wet deposition prevails at all latitudes during summer. Sensitivity analyses on the dry and wet deposition schemes indicate that parameterizations need to be refined to improve on the model performance. There are limitations in the model due to simplified parameterizations and remaining model uncertainties, which requires further exploration of source region contributions, especially from growing EA source region to Arctic BC levels in the future is warranted.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,123
Score d'incertitude au seuil0,245

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,278
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations223
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research AtmospheresMême sujetAtmospheric chemistry and aerosolsTravaux en français237 207