A model-based analysis of foliar NO <sub> <i>x</i> </sub> deposition
Notice bibliographique
Résumé
Abstract. Foliar deposition of NO2 removes a large fraction of the global soil-emitted NOx. Understanding the mechanisms of NOx foliar loss is important for constraining surface ozone, constraining NOx mixing ratios, and assessing the impacts of nitrogen inputs to ecosystems. We have constructed a 1-D multibox model with representations of chemistry and vertical transport to evaluate the impact of leaf-level processes on canopy-scale concentrations, lifetimes, and canopy fluxes of NOx. Our model is able to closely replicate canopy fluxes and above-canopy NOx daytime mixing ratios observed during two field campaigns, one in a western Sierra Nevada pine forest (BEARPEX-2009) and the other in a northern Michigan mixed hardwood forest (UMBS-2012). We present a conceptual argument for the importance of NO2 dry deposition and demonstrate that NO2 deposition can provide a mechanistic explanation for the canopy reduction of NOx. We show that foliar deposition can explain observations suggesting as much as ∼60 % of soil-emitted NOx is removed within forest canopies. Stomatal conductances greater than 0.1 cm s−1 result in modeled canopy reduction factors in the range of those used in global models, reconciling inferences of canopy NOx reduction with leaf-level deposition processes. We show that incorporating parameterizations for vapor pressure deficit and soil water potential has a substantial impact on predicted NO2 deposition in our model, with the percent of soil NOx removed within one canopy increasing by ∼15 % in wet conditions compared to dry conditions. NO2 foliar deposition was also found to have a significant impact on ozone and nitrogen budgets under both high- and low-NOx conditions.
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 | 0,000 | 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 | 0,000 | 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 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 ».