Investigation of the atmospheric boundary layer depth variability and its impact on the <sup>222</sup>Rn concentration at a rural site in France
Notice bibliographique
Résumé
Abstract Continuous monitoring of the atmospheric boundary layer (ABL) depth (zi) is important for investigations of trace gases with near‐surface sources. The aim of this study is to examine the temporal variability of zi on both diurnal and seasonal time scales over a full year (2011) and relate these changes to the atmospheric 222Rn concentrations (CRn) measured near the top of a 200 m tower at a rural site (Trainou) in France. Continuous zi estimates were made using a combination of lidar and hourly four‐height carbon dioxide (CO2) profile measurements. Over the diurnal cycle, the 180 m CRn reached a maximum in the late morning as the growing ABL passed through the inlet height (180 m) transporting upward high CRn air from the nocturnal boundary layer. During late afternoon, a minimum in the CRn occurred mainly due to ABL‐mixing. We argue that ABL dilution occurs in two stages: first, during the rapid morning growth into the residual layer, and second, during afternoon with the free atmosphere when zi has reached its quasi‐stationary height (around 750 m in winter or 1700 m in summer). An anticorrelation (R2 of −0.49) was found while performing a linear regression analysis between the daily zi growth rates and the corresponding changes in the CRn illustrating the ABL‐dilution effect. We also analyzed the numerical proportions of the time within a season when zi remained lower than the inlet height and found a clear seasonal variability for the nighttime measurements with higher number of cases with shallow zi (<200 m) in winter (67.3%) than in summer (33.9%) and spring (54.5%). Thus, this pilot study helps delineate the impact of zi on CRn at the site mainly for different regimes of ABL, in particular, during the times when the zi is above the measurement height. It is suggested that when the zi is well below the inlet height, measurements are most possibly indicative of the residual layer 222Rn, an important issue that should be considered in the mass budget approach.
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 | 0,000 | 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 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 ».