MétaCan
Menu
Retour à la cohorte
Enregistrement W2021861597 · doi:10.1029/2004gl020093

Long‐range transport of Siberian biomass burning emissions and impact on surface ozone in western North America

2004· article· en· W2021861597 sur OpenAlexaffabout
Dan Jaffe, Isaac T. Bertschi, Lyatt Jaeglé, P. C. Novelli, Jeffrey S. Reid, Hiroshi Tanimoto, Roxanne Vingarzan, Douglas L. Westphal

Notice bibliographique

RevueGeophysical Research Letters · 2004
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesOffice of Naval ResearchNational Aeronautics and Space AdministrationHarvard UniversityNational Science Foundation
Mots-clésEnvironmental scienceBiomass burningAir quality indexOzoneRange (aeronautics)Atmospheric sciencesAerosolClimatologyPollutantChemical transport modelAir pollutionBiomass (ecology)MeteorologyGeographyOceanographyGeology

Résumé

récupéré en direct d'OpenAlex

During the summer of 2003, biomass fires burned a large area of Siberia, the largest in at least 10 years. We used the NRL Aerosol Analysis and Prediction System (NAAPS) model to forecast the transport of the smoke from these fires. Transport of these airmasses to North America was confirmed by aircraft and surface observations. The fires resulted in enhancements in summer background CO and O 3 of 23–37 and 5–9 ppbv, respectively, at 10 sites in Alaska, Canada and the Pacific Northwest. From the area burned, we estimate that the Siberian fires generated 68 Tg of CO and 0.82 Tg of NO x (as N). In addition, we show that the background O 3 enhancement contributed to an exceedance of the ozone air quality standard in the Pacific Northwest. These results show that regional air quality and health are linked to global processes, including climate, forest fires and long‐range transport of pollutants.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,869
Score d'incertitude au seuil0,261

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,024
Tête enseignante GPT0,286
Écart entre enseignants0,263 · 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'étudeObservationnel
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

Citations322
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetAtmospheric chemistry and aerosolsTravaux en français237 207