MétaCan
Menu
Retour à la cohorte
Enregistrement W2115951359 · doi:10.5194/gmd-6-327-2013

Modeling atmospheric ammonia and ammonium using a stochastic Lagrangian air quality model (STILT-Chem v0.7)

2013· article· en· W2115951359 sur OpenAlex
Deyong Wen, John C. Lin, Leiming Zhang, Robert Vet, Michael D. Moran

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueGeoscientific model development · 2013
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensEnvironment and Climate Change CanadaUniversity of Waterloo
Organismes subventionnairesCompute Canada
Mots-clésLagrangianAmmoniumParticulatesAir quality indexAmmoniaDeposition (geology)Environmental scienceNitrogenChemical transport modelAtmospheric sciencesAtmospheric chemistryUpstream (networking)Environmental chemistryChemistryMeteorologyPhysicsBiologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract. A new chemistry module that simulates atmospheric ammonia (NH3) and ammonium (NH+4) was incorporated into a backward-in-time stochastic Lagrangian air quality model (STILT-Chem) that was originally developed to simulate the concentrations of a variety of gas-phase species at receptors. STILT-Chem simulates the transport of air parcels backward in time using ensembles of fictitious particles with stochastic motions, while accounting for emissions, deposition and chemical transformation forward in time along trajectories identified by the backward-in-time simulations. The incorporation of the new chemistry module allows the model to simulate not only gaseous species, but also multi-phase species involving NH3 and NH+4. The model was applied to simulate concentrations of NH3 and particulate NH+4 at six sites in the Canadian province of Ontario for a six-month period in 2006. The model-predicted concentrations of NH3 and particulate NH+4 were compared with observations, which show broad agreement between simulated concentrations and observations. Since the model is based on back trajectories, the influence of each major process such as emission, deposition and chemical conversion on the concentration of a modeled species at a receptor can be determined for every upstream location at each time step. This makes it possible to quantitatively investigate the upstream processes affecting receptor concentrations. The modeled results suggest that the concentrations of NH3 at those sites were significantly and frequently affected by Ohio, Iowa, Minnesota, Michigan, Wisconsin, southwestern Ontario and nearby areas. NH3 is mainly contributed by emission sources whereas particulate NH+4 is mainly contributed by the gas-to-aerosol chemical conversion of NH3. Dry deposition is the largest removal process for both NH3 and particulate NH+4. This study revealed the contrast between agricultural versus forest sites. Not only were emissions of NH3 higher, but removal mechanisms (especially chemical loss for NH3 and dry deposition for NH+4) were less efficient for agricultural sites. This combination explains the significantly higher concentrations of NH3 and particulate NH+4 observed at agricultural sites.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,186
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,034
Tête enseignante GPT0,232
Écart entre enseignants0,198 · 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