The zonal structure of tropical O <sub>3</sub> and CO as observed by the Tropospheric Emission Spectrometer in November 2004 – Part 1: Inverse modeling of CO emissions
Notice bibliographique
Résumé
Abstract. We conduct an inverse modeling analysis of measurements of atmospheric CO from the TES and MOPITT satellite instruments using the GEOS-Chem global chemical transport model to quantify emissions of CO in the tropics in November 2004. We also assess the consistency of the information provided by TES and MOPITT on surface emissions of CO. We focus on the tropics in November 2004, during the biomass burning season, because TES observations of CO and O3 and MOPITT observations of CO reveal significantly greater abundances of these gases than simulated by the GEOS-Chem model during that period. We find that both datasets suggest substantially greater emissions of CO from sub-equatorial Africa and the Indonesian/Australian region than in the climatological emissions in the model. The a posteriori emissions from sub-equatorial Africa based on TES and MOPITT data were 173 Tg CO/yr and 184 Tg CO/yr, respectively, compared to the a priori of 95 Tg CO/yr. In the Indonesian/Australian region, the a posteriori emissions inferred from TES and MOPITT data were 155 Tg CO/yr and 185 Tg CO/yr, respectively, whereas the a priori was 69 Tg CO/yr. The differences between the a posteriori emission estimates obtained from the two datasets are generally less than 20%. The a posteriori emissions significantly improve the simulated distribution of CO, however, large regional residuals remain, and are likely due to systematic errors in the analysis. Reducing these residuals and improving the accuracy of top-down emission estimates will require better characterization of systematic errors in the observations and the model (chemistry and transport).
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 ».