Satellite mapping of rain‐induced nitric oxide emissions from soils
Notice bibliographique
Résumé
We use space‐based observations of NO2 columns from the Global Ozone Monitoring Experiment (GOME) to map the spatial and seasonal variations of NOx emissions over Africa during 2000. The GOME observations show not only enhanced tropospheric NO2 columns from biomass burning during the dry season but also comparable enhancements from soil emissions during the rainy season over the Sahel. These soil emissions occur in strong pulses lasting 1–3 weeks following the onset of rain, and affect 3 million km2 of semiarid sub‐Saharan savanna. Surface observations of NO2 from the International Global Atmospheric Chemistry (IGAC)/Deposition of Biochemically Important Trace Species (DEBITS)/Africa (IDAF) network over West Africa provide further evidence for a strong role for microbial soil sources. By combining inverse modeling of GOME NO2 columns with space‐based observations of fires, we estimate that soils contribute 3.3 ± 1.8 TgN/year, similar to the biomass burning source (3.8 ± 2.1 TgN/year), and thus account for 40% of surface NOx emissions over Africa. Extrapolating to all the tropics, we estimate a 7.3 TgN/year biogenic soil source, which is a factor of 2 larger compared to model‐based inventories but agrees with observation‐based inventories. These large soil NOx emissions are likely to significantly contribute to the ozone enhancement originating from tropical Africa.
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 | 0,001 | 0,001 |
| 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 ».