Monthly averages of aerosol properties: A global comparison among models, satellite data, and AERONET ground data
Notice bibliographique
Résumé
New aerosol modules of global (circulation and chemical transport) models are evaluated. These new modules distinguish among at least five aerosol components: sulfate, organic carbon, black carbon, sea salt, and dust. Monthly and regionally averaged predictions for aerosol mass and aerosol optical depth are compared. Differences among models are significant for all aerosol types. The largest differences were found near expected source regions of biomass burning (carbon) and dust. Assumptions for the permitted water uptake also contribute to optical depth differences (of sulfate, organic carbon, and sea salt) at higher latitudes. The decline of mass or optical depth away from recognized sources reveals strong differences in aerosol transport or removal among models. These differences are also a function of altitude, as transport biases of dust do not always extend to other aerosol types. Ratios of optical depth and mass demonstrate large differences in the mass extinction efficiency, even for hydrophobic aerosol. This suggests that efforts of good mass simulations could be wasted or that conversions are misused to cover for poor mass simulations. In an attempt to provide an absolute measure for model skill, simulated total optical depths (when adding contributions from all five aerosol types) are compared to measurements from ground and space. Comparisons to the Aerosol Robotic Network (AERONET) suggest a source strength underestimate in many models, most frequently for (subtropical) tropical biomass or dust. Comparisons to the combined best of Moderate‐Resolution Imaging Spectroradiometer (MODIS) and Total Ozone Mapping Spectrometer (TOMS) indicate that away from sources, model simulations are usually smaller. Particularly large are discrepancies over tropical oceans and oceans of the Southern Hemisphere, raising issues on the treatment of sea salt in models. Totals for mass or optical depth in many models are defined by the absence or dominance of only one aerosol component. With appropriate corrections to that component (e.g., to removal, to source strength, or to seasonality) a much better model performance can be expected. Still, many important modeling issues remain inconclusive as the combined result of poor coordination (different emissions and meteorology), insufficient model output (vertical distributions, water uptake by aerosol type), and unresolved measurement issues (retrieval assumptions and temporal or spatial sampling biases).
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».