Dry deposition of reactive nitrogen to European ecosystems: a comparison of inferential models across the NitroEurope network
Notice bibliographique
Résumé
Abstract. Inferential models have long been used to determine pollutant dry deposition to ecosystems from measurements of air concentrations and as part of national and regional atmospheric chemistry and transport models, and yet models still suffer very large uncertainties. An inferential network of 55 sites throughout Europe for atmospheric reactive nitrogen (Nr) was established in 2007, providing ambient concentrations of gaseous NH3, NO2, HNO3 and HONO and aerosol NH4+ and NO3− as part of the NitroEurope Integrated Project. Network results providing modelled inorganic Nr dry deposition to the 55 monitoring sites are presented, using four existing dry deposition routines, revealing inter-model differences and providing ensemble average deposition estimates. Dry deposition is generally largest over forests in regions with large ambient NH3 concentrations, exceeding 30–40 kg N ha−1 yr−1 over parts of the Netherlands and Belgium, while some remote forests in Scandinavia receive less than 2 kg N ha−1 yr−1. Turbulent Nr deposition to short vegetation ecosystems is generally smaller than to forests due to reduced turbulent exchange, but also because NH3 inputs to fertilised, agricultural systems are limited by the presence of a substantial NH3 source in the vegetation, leading to periods of emission as well as deposition. Differences between models reach a factor 2–3 and are often greater than differences between monitoring sites. For soluble Nr gases such as NH3 and HNO3, the non-stomatal pathways are responsible for most of the annual uptake over many surfaces, especially the non-agricultural land uses, but parameterisations of the sink strength vary considerably among models. For aerosol NH4+ and NO3− discrepancies between theoretical models and field flux measurements lead to much uncertainty in dry deposition rates for fine particles (0.1–0.5 μm). The validation of inferential models at the ecosystem scale is best achieved by comparison with direct long-term micrometeorological Nr flux measurements, but too few such datasets are available, especially for HNO3 and aerosol NH4+ and NO3−.
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 | 0,000 | 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 | 0,000 |
| 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 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 ».