MétaCan
Menu
Retour à la cohorte
Enregistrement W2334588610 · doi:10.5194/acp-16-6475-2016

An evaluation of the impact of aerosol particles on weather forecasts from a biomass burning aerosol event over the Midwestern United States: observational-based analysis of surface temperature

2016· article· en· W2334588610 sur OpenAlexaboutno aff
Jianglong Zhang, Jeffrey S. Reid, Matthew W. Christensen, Angela Benedetti

Notice bibliographique

RevueAtmospheric chemistry and physics · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric aerosols and clouds
Établissements canadiensnon disponible
Organismes subventionnairesOffice of Naval ResearchNational Aeronautics and Space AdministrationMet OfficeNational Science Foundation
Mots-clésAerosolEnvironmental scienceAtmospheric sciencesDaytimeModerate-resolution imaging spectroradiometerSmokeClimatologyRadiative forcingMeteorologyPlumeSatelliteGeographyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract. A major continental-scale biomass burning smoke event from 28–30 June 2015, spanning central Canada through the eastern seaboard of the United States, resulted in unforecasted drops in daytime high surface temperatures on the order of 2–5 °C in the upper Midwest. This event, with strong smoke gradients and largely cloud-free conditions, provides a natural laboratory to study how aerosol radiative effects may influence numerical weather prediction (NWP) forecast outcomes. Here, we describe the nature of this smoke event and evaluate the differences in observed near-surface air temperatures between Bismarck (clear) and Grand Forks (overcast smoke), to evaluate to what degree solar radiation forcing from a smoke plume introduces daytime surface cooling, and how this affects model bias in forecasts and analyses. For this event, mid-visible (550 nm) smoke aerosol optical thickness (AOT, τ) reached values above 5. A direct surface cooling efficiency of −1.5 °C per unit AOT (at 550 nm, τ550) was found. A further analysis of European Centre for Medium-Range Weather Forecasts (ECMWF), National Centers for Environmental Prediction (NCEP), United Kingdom Meteorological Office (UKMO) near-surface air temperature forecasts for up to 54 h as a function of Moderate Resolution Imaging Spectroradiometer (MODIS) Dark Target AOT data across more than 400 surface stations, also indicated the presence of the daytime aerosol direct cooling effect, but suggested a smaller aerosol direct surface cooling efficiency with magnitude on the order of −0.25 to −1.0 °C per unit τ550. In addition, using observations from the surface stations, uncertainties in near-surface air temperatures from ECMWF, NCEP, and UKMO model runs are estimated. This study further suggests that significant daily changes in τ550 above 1, at which the smoke-aerosol-induced direct surface cooling effect could be comparable in magnitude with model uncertainties, are rare events on a global scale. Thus, incorporating a more realistic smoke aerosol field into numerical models is currently less likely to significantly improve the accuracy of near-surface air temperature forecasts. However, regions such as eastern China, eastern Russia, India, and portions of the Saharan and Taklamakan deserts, where significant daily changes in AOTs are more frequent, are likely to benefit from including an accurate aerosol analysis into numerical weather forecasts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,159
Score d'incertitude au seuil0,316

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,270
Écart entre enseignants0,250 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAtmospheric chemistry and physicsMême sujetAtmospheric aerosols and cloudsTravaux en français237 207