Global CO emission estimates inferred from assimilation of MOPITT and IASI CO data, together with observations of O 3 , NO 2 , HNO 3 , and HCHO
Notice bibliographique
Résumé
Atmospheric carbon monoxide (CO) emissions estimated from inverse modeling analyses exhibit large uncertainties, due, in part, to discrepancies in the tropospheric chemistry in atmospheric models. We attempt to reduce the uncertainties in CO emission estimates by constraining the modeled abundance of ozone (O3), nitrogen dioxide (NO2), nitric acid (HNO3), and formaldehyde (HCHO), which are constituents that play a key role in tropospheric chemistry. Using the GEOS-Chem four-dimensional variational (4D-Var) data assimilation system, we estimate CO emissions by assimilating observations of CO from the Measurement of Pollution In the Troposphere (MOPITT) and the Infrared Atmospheric Sounding Interferometer (IASI), together with observations of O3 from the Optical Spectrograph and InfraRed Imager System (OSIRIS) and IASI, NO2 and HCHO from the Ozone Monitoring Instrument (OMI), and HNO3 from the Microwave Limb Sounder (MLS). Our experiments evaluate the inferred CO emission estimates from major anthropogenic, biomass burning and biogenic sources. Moreover, we also infer surface emissions of nitrogen oxides (NOx = NO + NO2) and isoprene. Our results reveal that this multiple species chemical data assimilation produces a chemical consistent state that effectively adjusts the CO-O3-OH coupling in the model. The O3-induced changes in OH are particularly large in the tropics. Overall, our analysis results in a better constrained tropospheric chemical state.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,000 | 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 ».