Decadal Trends in Wet Sulfur Deposition in China Estimated From OMI SO<sub>2</sub> Columns
Notice bibliographique
Résumé
Abstract Long‐term (from 2005 to 2016) trends in wet SO42− deposition across China are assessed using Ozone Monitoring Instrument (OMI) SO2 columns within the planetary boundary layer. The models for estimating monthly SO42− deposition from precipitation in eight ecological regions are constructed based on SO2 columns and ground‐based measurements. An accuracy assessment shows that the models achieve highly precise predictive values for monthly deposition (R = 0.93, with a relative/absolute error of −0.1/0.3 kg S · ha−1 · month−1). In terms of spatial distribution, SO42− deposition shows substantial variations across China, ranging from 0.9 to 63.9 kg S · ha−1 · year−1, with an average of 10.4 kg S · ha−1 · year−1. Additionally, wet SO42− deposition shows significant seasonal variations, increasing from January to July and then decreasing thereafter. Regarding long‐term trends, the wet SO42− deposition in northern, central, and southern China decreased at rates of 0.009, 0.001, and 0.0009 kg S · ha−1 · month−1, respectively. In contrast, Inner Mongolia, Qinghai‐Tibet, and northwest and northeast China showed increasing deposition trends. In general, the wet SO42− deposition in 2016 decreased by 4.3% from that in 2005 on a national scale, indicating that air quality policies to control SO2 emissions have had some effects on wet SO42− deposition.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».