MétaCan
Menu
Retour à la cohorte
Enregistrement W2518626390 · doi:10.4209/aaqr.2016.04.0145

Evaluation of PM2.5 Surface Concentrations Simulated by Version 1 of NASA’s MERRA Aerosol Reanalysis over Israel and Taiwan

2016· article· en· W2518626390 sur OpenAlexaff
Simon Provenc ̧al, Virginie Buchard, Arlindo da Silva, Richard D. LeDuc, Nathalie Barrette, Emily Elhacham, Sheng‐Hsiang Wang

Notice bibliographique

RevueAerosol and Air Quality Research · 2016
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensUniversité Laval
Organismes subventionnairesEnvironmental Protection Administration, Executive Yuan, R.O.C. Taiwan
Mots-clésAerosolSulfateEnvironmental scienceMineral dustParticulatesSea saltAtmospheric sciencesNitratePollutantClimatologyMediterranean climateEnvironmental chemistryMeteorologyGeographyChemistryGeology

Résumé

récupéré en direct d'OpenAlex

Version 1 of the NASA MERRA Aerosol Reanalysis (MERRAero) assimilates bias-corrected aerosol optical depth (AOD) data from MODIS-Terra and MODIS-Aqua, and simulates particulate matter (PM) concentration data to reproduce a consistent database of AOD and PM concentration around the world from 2002 to the end of 2015. The purpose of this paper is to evaluate MERRAero's simulation of fine PM concentration against surface measurements in two regions of the world with relatively high levels of PM concentration but with profoundly different PM composition, those of Israel and Taiwan. Being surrounded by major deserts, Israel's PM load is characterized by a significant contribution of mineral dust, and secondary contributions of sea salt particles, given its proximity to the Mediterranean Sea, and sulfate particles originating from Israel's own urban activities and transported from Europe. Taiwan's PM load is composed primarily of anthropogenic particles (sulfate, nitrate and carbonaceous particles) locally produced or transported from China, with an additional contribution of springtime transport of mineral dust originating from Chinese and Mongolian deserts. The evaluation in Israel produced favorable results with MERRAero slightly overestimating measurements by 6% on average and reproducing an excellent year-to-year and seasonal fluctuation. The evaluation in Taiwan was less favorable with MERRAero underestimating measurements by 42% on average. Two likely reasons explain this discrepancy: emissions of anthropogenic PM and their precursors are largely uncertain in China, and MERRAero doesn't include nitrate particles in its simulation, a pollutant of predominately anthropogenic sources. MERRAero nevertheless simulates well the concentration of fine PM during the summer, when Taiwan is least affected by the advection of pollution from China.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,101
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,081
Tête enseignante GPT0,365
Écart entre enseignants0,284 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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

Citations68
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAerosol and Air Quality ResearchMême sujetAtmospheric chemistry and aerosolsTravaux en français237 207