Quantifying black carbon deposition over the Greenland ice sheet from forest fires in Canada
Notice bibliographique
Résumé
Abstract Black carbon (BC) concentrations observed in 22 snowpits sampled in the northwest sector of the Greenland ice sheet in April 2014 have allowed us to identify a strong and widespread BC aerosol deposition event, which was dated to have accumulated in the pits from two snow storms between 27 July and 2 August 2013. This event comprises a significant portion (57% on average across all pits) of total BC deposition over 10 months (July 2013 to April 2014). Here we link this deposition event to forest fires burning in Canada during summer 2013 using modeling and remote sensing tools. Aerosols were detected by both the Cloud‐Aerosol Lidar with Orthogonal Polarization (on board CALIPSO) and Moderate Resolution Imaging Spectroradiometer (Aqua) instruments during transport between Canada and Greenland. We use high‐resolution regional chemical transport modeling (WRF‐Chem) combined with high‐resolution fire emissions (FINNv1.5) to study aerosol emissions, transport, and deposition during this event. The model captures the timing of the BC deposition event and shows that fires in Canada were the main source of deposited BC. However, the model underpredicts BC deposition compared to measurements at all sites by a factor of 2–100. Underprediction of modeled BC deposition originates from uncertainties in fire emissions and model treatment of wet removal of aerosols. Improvements in model descriptions of precipitation scavenging and emissions from wildfires are needed to correctly predict deposition, which is critical for determining the climate impacts of aerosols that originate from fires.
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 | 0,001 | 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 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 ».