Reduced efficacy of marine cloud brightening geoengineering due to in-plume aerosol coagulation: parameterization and global implications
Notice bibliographique
Résumé
Abstract. The intentional enhancement of cloud albedo via controlled sea-spray injection from ships (marine cloud brightening) has been proposed as a possible method to control anthropogenic global warming; however, there remains significant uncertainty in the efficacy of this method due to, amongst other factors, uncertainties in aerosol and cloud microphysics. A major assumption used in recent cloud- and climate-modeling studies is that all sea spray was emitted uniformly into some oceanic grid boxes, and thus these studies did not account for subgrid aerosol coagulation within the sea-spray plumes. We explore the evolution of these sea-salt plumes using a multi-shelled Gaussian plume model with size-resolved aerosol coagulation. We determine how the final number of particles depends on meteorological conditions, including wind speed and boundary-layer stability, as well as the emission rate and size distribution of aerosol emitted. Under previously proposed injection rates and typical marine conditions, we find that the number of aerosol particles is reduced by over 50%, but this reduction varies from under 10% to over 90% depending on the conditions. We provide a computationally efficient parameterization for cloud-resolving and global-scale models to account for subgrid-scale coagulation, and we implement this parameterization in a global-scale aerosol-climate model. While designed to address subgrid-scale coagulation of sea-salt particles, the parameterization is generally applicable for coagulation of subgrid-scale aerosol from point sources. We find that accounting for this subgrid-scale coagulation reduces cloud droplet number concentrations by 46% over emission regions, and reduces the global mean radiative flux perturbation from −1.5 W m−2 to −0.8 W m−2.
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) | 0,001 | 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 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 ».