MétaCan
Menu
Retour à la cohorte
Enregistrement W2890397451 · doi:10.5194/acp-18-13173-2018

Technical note: How are NH <sub>3</sub> dry deposition estimates affected by combining the LOTOS-EUROS model with IASI-NH <sub>3</sub> satellite observations?

2018· article· en· W2890397451 sur OpenAlexaff
Shelley van der Graaf, Enrico Dammers, Martijn Schaap, Jan Willem Erisman

Notice bibliographique

RevueAtmospheric chemistry and physics · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric Ozone and Climate
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesRijksinstituut voor Volksgezondheid en MilieuEuropean Organization for the Exploitation of Meteorological SatellitesNederlandse Organisatie voor Wetenschappelijk OnderzoekCentre National d’Etudes Spatiales
Mots-clésDeposition (geology)Flux (metallurgy)Environmental scienceReactive nitrogenAtmospheric sciencesNitrogenSatelliteEutrophicationEurosEnvironmental chemistryChemistryPhysicsNutrientGeologyStructural basinGeomorphology

Résumé

récupéré en direct d'OpenAlex

Atmospheric levels of reactive nitrogen have increased substantially during the last century resulting in increased nitrogen deposition to ecosystems, causing harmful effects such as soil acidification, reduction in plant biodiversity and eutrophication in lakes and the ocean. Recent developments in the use of atmospheric remote sensing enabled us to resolve concentration fields of NH 3 with larger spatial coverage. These observations may be used to improve the quantification of NH 3 deposition. In this paper, we use a relatively simple, data-driven method to derive dry deposition fluxes and surface concentrations of NH 3 for Europe and for the Netherlands. The aim of this paper is to determine the applicability and the limitations of this method for NH 3 . Space-born observations of the Infrared Atmospheric Sounding Interferometer (IASI) and the LOTOS-EUROS atmospheric transport model are used. The original modelled dry NH 3 deposition flux from LOTOS-EUROS and the flux inferred from IASI are compared to indicate areas with large discrepancies between the two. In these areas, potential model or emission improvements are needed. The largest differences in derived dry deposition fluxes occur in large parts of central Europe, where the satellite-observed NH 3 concentrations are higher than the modelled ones, and in Switzerland, northern Italy (Po Valley) and southern Turkey, where the modelled NH 3 concentrations are higher than the satellite-observed ones. A sensitivity analysis of eight model input parameters important for NH 3 dry deposition modelling showed that the IASI-derived dry NH 3 deposition fluxes may vary from ∼ 20 % up to ∼50 % throughout Europe. Variations in the NH 3 dry deposition velocity led to the largest deviations in the IASI-derived dry NH 3 deposition flux and should be focused on in the future. A comparison of NH 3 surface concentrations with in situ measurements of several established networks – the European Monitoring and Evaluation Programme (EMEP), Meetnet Ammoniak in Natuurgebieden (MAN) and Landelijk Meetnet Luchtkwaliteit (LML) – showed no significant or consistent improvement in the IASI-derived NH 3 surface concentrations compared to the originally modelled NH 3 surface concentrations from LOTOS-EUROS. It is concluded that the IASI-derived NH 3 deposition fluxes do not show strong improvements compared to modelled NH 3 deposition fluxes and there is a future need for better, more robust, methods to derive NH 3 dry deposition fluxes.

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)0,008
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,076
Score d'incertitude au seuil0,151

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,010
Tête enseignante GPT0,196
Écart entre enseignants0,186 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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

En bref

Citations19
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAtmospheric chemistry and physicsMême sujetAtmospheric Ozone and ClimateTravaux en français237 207