Deducing Ground-to-Air Emissions from Observed Trace Gas Concentrations: A Field Trial with Wind Disturbance
Notice bibliographique
Résumé
Abstract Inverse-dispersion techniques allow inference of a gas emission rate Q from measured air concentration. In “ideal surface layer problems,” where Monin–Obukhov similarity theory (MOST) describes the winds transporting the gas, the application of the technique can be straightforward. This study examines the accuracy of an ideal MOST-based inference, but in a nonideal setting. From a 6 m × 6 m synthetic area source surrounded by a 20 m × 20 m square border of a windbreak fence (1.25 m tall), Q is estimated. Open-path lasers gave line-averaged concentration CL at positions downwind of the source, and an idealized backward Lagrangian stochastic (bLS) dispersion model was used to infer QbLS. Despite the disturbance of the mean wind and turbulence caused by the fence, the QbLS estimates were accurate when ambient winds (measured upwind of the plot) were assumed in the bLS model. In the worst cases, with CL measured adjacent to a plot fence, QbLS overestimated Q by an average of 50%. However, if these near-fence locations are eliminated, QbLS averaged within 2% of the true Q over 61 fifteen-minute observations (with a standard deviation σQ/Q = 0.20). Poorer accuracy occurred when in-plot wind measurements were used in the bLS model. The results show that when an inverse-dispersion technique is applied to disturbed flows without accounting for the disturbance, the outcome may still be of acceptable accuracy if judgment is applied in the placement of the concentration detector.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».