Assessment of Air Pollution in the Middle East Using Reanalyses Products and High-resolution WRF-Chem Simulations
Notice bibliographique
Résumé
The Middle East is notorious for high air pollution that affects both air-quality and regional climate. The Middle East generates about 30% of world dust annually and emits about 10% of anthropogenic SO2. In this study we use Modern-Era Retrospective analysis for Research and Applications v.2 (MERRA-2), Copernicus Atmosphere Monitoring Service Operational Analysis (CAMS-OA) data assimilation products, and a regional Weather Research and Forecasting model (10 km resolution) coupled with Chemistry (WRF-Chem) to evaluate natural and anthropogenic air pollution in the ME. The SO2 anthropogenic emissions used in WRF-Chem are updated using the independent satellite SO2 emission dataset obtained from the Ozone Monitoring Instrument (OMI) observations onboard NASA EOS Aura satellite. Satellite and ground-based aerosol optical depth (AOD) observations, as well as Particulate Matter (PM) and SO2 in situ measurements for 2015-2016, were used for validation and model evaluation. Although aerosol fields in regional WRF-Chem and global assimilation products are quite consistent, WRF-Chem, due to its higher spatial resolution and novel OMI SO2 emissions, is preferable for analysis of regional air-quality over the ME. We found that conventional emission inventories (EDGAR-4.2, MACCity, and HTAP-2.2) have uncertainties in the location and magnitude of SO2 sources in the ME and significantly underestimate SO2 emissions in the Arabian Gulf. CAMS reanalysis tends to overestimate PM2.5 and underestimate PM10 concentrations. In the coastal areas, MERRA2 underestimates sulfate and tends to overestimate sea salt concentrations. The WRF-Chem’s PM background concentrations exceed the World Health Organization (WHO) guidelines over the entire ME. The major contributor to PM (~75–95%) is mineral dust. In the ME urban centers and near oil recovery fields, non-dust aerosols (primarily sulfate) contribute up to 26% into PM2.5. The contribution of sea salt into PM can rich up to 5%. The contribution of organic matter into PM prevails over black carbon. SO2 surface concentrations in major ME cities frequently exceed European air-quality limits.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».