Synoptic meteorological modes of variability for fine particulate matter (PM <sub>2.5</sub> ) air quality in major metropolitan regions of China
Notice bibliographique
Résumé
Abstract. In his study, we use a combination of multivariate statistical methods to understand the relationships of PM2.5 with local meteorology and synoptic weather patterns in different regions of China across various timescales. Using June 2014 to May 2017 daily total PM2.5 observations from ∼ 1500 monitors, all deseasonalized and detrended to focus on synoptic-scale variations, we find strong correlations of daily PM2.5 with all selected meteorological variables (e.g., positive correlation with temperature but negative correlation with sea-level pressure throughout China; positive and negative correlation with relative humidity in northern and southern China, respectively). The spatial patterns suggest that the apparent correlations with individual meteorological variables may arise from common association with synoptic systems. Based on a principal component analysis of 1998–2017 meteorological data to diagnose distinct meteorological modes that dominate synoptic weather in four major regions of China, we find strong correlations of PM2.5 with several synoptic modes that explain 10 to 40 % of daily PM2.5 variability. These modes include monsoonal flows and cold frontal passages in northern and central China associated with the Siberian High, onshore flows in eastern China, and frontal rainstorms in southern China. Using the Beijing–Tianjin–Hebei (BTH) region as a case study, we further find strong interannual correlations of regionally averaged satellite-derived annual mean PM2.5 with annual mean relative humidity (RH; positive) and springtime fluctuation frequency of the Siberian High (negative). We apply the resulting PM2.5-to-climate sensitivities to the Intergovernmental Panel on Climate Change (IPCC) Coupled Model Intercomparison Project Phase 5 (CMIP5) climate projections to predict future PM2.5 by the 2050s due to climate change, and find a modest decrease of ∼ 0.5 µg m−3 in annual mean PM2.5 in the BTH region due to more frequent cold frontal ventilation under the RCP8.5 future, representing a small “climate benefit”, but the RH-induced PM2.5 change is inconclusive due to the large inter-model differences in RH projections.
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 | 0,001 | 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 | 0,001 |
| 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 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 ».