MétaCan
Menu
Retour à la cohorte
Enregistrement W3028338699 · doi:10.1038/s41597-020-0488-5

Global high-resolution emissions of soil NOx, sea salt aerosols, and biogenic volatile organic compounds

2020· article· en· W3028338699 sur OpenAlexaff
Hongjian Weng, Jintai Lin, Randall V. Martin, Dylan B. Millet, Lyatt Jaeglé, D. A. Ridley, Christoph A. Keller, Chi Li, Mingxi Du, Jun Meng

Notice bibliographique

RevueScientific Data · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensDalhousie University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésEnvironmental scienceNOxPollutantAir quality indexMethaneGreenhouse gasPollutionAir pollutionSea saltAtmospheric sciencesClimate changeEnvironmental chemistryCarbon cycleAtmosphere (unit)AerosolMeteorologyOceanographyEcosystemChemistryEcologyGeographyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Natural emissions of air pollutants from the surface play major roles in air quality and climate change. In particular, nitrogen oxides (NO x ) emitted from soils contribute ~15% of global NO x emissions, sea salt aerosols are a major player in the climate and chemistry of the marine atmosphere, and biogenic emissions are the dominant source of non-methane volatile organic compounds at the global scale. These natural emissions are often estimated using nonlinear parameterizations, which are sensitive to the horizontal resolutions of inputted meteorological and ancillary data. Here we use the HEMCO model to compute these emissions worldwide at horizontal resolutions of 0.5° lat. × 0.625° lon. for 1980–2017 and 0.25° lat. × 0.3125° lon. for 2014–2017. We further offer the respective emissions at lower resolutions, which can be used to evaluate the impacts of resolution on estimated global and regional emissions. Our long-term high-resolution emission datasets offer useful information to study natural pollution sources and their impacts on air quality, climate, and the carbon cycle.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,059
Score d'incertitude au seuil0,117

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,229
Écart entre enseignants0,198 · 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'étudeObservationnel
Domainenon disponible
GenreJeu de données

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

En bref

Citations186
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific DataMême sujetAtmospheric chemistry and aerosolsTravaux en français237 207