Sources of carbonaceous aerosols over the United States and implications for natural visibility
Notice bibliographique
Résumé
We use a global three‐dimensional model (GEOS‐CHEM) to better quantify the sources of elemental carbon (EC) and organic carbon (OC) aerosols in the United States through simulation of year‐round observations for 1998 at a network of 45 sites (Interagency Monitoring of Protected Visual Environments (IMPROVE)). Simulation with our best a priori understanding of sources, including global satellite data to constrain fire emissions, captures most of the variance in the observations (R2 = 0.84 for EC, 0.67 for OC) with a low bias of 15% for EC and 26% for OC. Multiple linear regression to fit the IMPROVE data yields best estimates of 1998 U.S. sources of 0.60 Tg year−1 EC and 0.52 Tg year−1 OC from fossil fuel; 0.07 Tg year−1 EC and 0.89 Tg year−1 OC from biofuel; 0.08 Tg year−1 EC and 0.60 Tg year−1 OC from wildfires; and 1.10 Tg year−1 OC from vegetation. We find that fires in Mexico and Canada contributed 40–70% of annual mean natural EC in the United States for 1998 and 20–30% of annual mean natural OC. Transpacific transport from Asian pollution sources amounted to less than 10% of the natural EC and less than 2% of the natural OC; in contrast to ozone, we find that intercontinental transport of anthropogenic carbonaceous aerosols does not enhance significantly the natural background. IMPROVE observations and model simulations for the summer of 1995 show that Canadian fire emissions can produce large events of elevated EC and OC in the southeastern United States. Our best estimates of mean natural concentrations of EC and OC in the United States, using a model simulation with climatological monthly mean fire emissions, are 2–3 times higher than the default values recommended by the U.S. Environmental Protection Agency for visibility calculations, except for OC in the eastern United States (16% lower).
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 | 0,001 |
| 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 | 0,001 | 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) | 0,001 | 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 ».