Assessing the Iterative Finite Difference Mass Balance and 4D‐Var Methods to Derive Ammonia Emissions Over North America Using Synthetic Observations
Notice bibliographique
Résumé
Abstract We evaluate two inverse modeling methods by conducting inversion experiments using the GEOS‐Chem chemical transport model and its adjoint. We simulate synthetic NH 3 column density as observed by the Cross‐track Infrared Sounder over North America to test the ability of the iterative finite difference mass balance (IFDMB) and the four‐dimensional variational assimilation (4D‐Var) methods to recover known NH 3 emissions. Comparing to the more rigorous 4D‐Var method, the IFDMB approach requires 3–4 times lower computational cost and yields similar or smaller errors (12–17% vs 17–26%) in the top‐down inventories at 2° × 2.5° resolution. These errors in IFDMB‐derived emission estimates are amplified (53–62%) if compared to the assumed true emissions at 0.25° × 0.3125° resolution. When directly conducting inversions at 0.25° × 0.3125°, the IFDMB consistently exhibits larger errors (44–69% vs 30–45%) than the 4D‐Var approach. Analysis of simulated differences in NH 3 columns and in NH 3 emissions suggests stronger misalignments at the finer resolution, since the local column is more strongly influenced by spatial smearing from neighboring grids. Adjoint calculations indicate that the number of adjacent grids needed to account for most (>65%) of the emission contributions to the local columnar NH 3 abundance over an NH 3 source site increases from ~1 at 2° × 2.5° to ~10 at 0.25° × 0.3125°, leading to increased errors especially in IFDMB. Applying inversion results at 2° × 2.5° to update the a priori emissions at 0.25° × 0.3125° could improve the accuracy of IFDMB inversions and reduce the computational cost of 4D‐Var.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».