Assessment of Air Pollution in the Middle East Using Reanalyses Products and High-resolution WRF-Chem Simulations
Notice bibliographique
Résumé
<p>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 SO<sub>2</sub>. 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 SO<sub>2</sub> anthropogenic emissions used in WRF-Chem are updated using the independent satellite SO<sub>2</sub> 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 SO<sub>2</sub> in situ measurements for 2015-2016, were used for validation and model evaluation. </p><p>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 SO<sub>2</sub> 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 SO<sub>2</sub> sources in the ME and significantly underestimate SO<sub>2</sub> emissions in the Arabian Gulf. CAMS reanalysis tends to overestimate PM<sub>2.5</sub> and underestimate PM<sub>10</sub> 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 PM<sub>2.5</sub>. The contribution of sea salt into PM can rich up to 5%. The contribution of organic matter into PM prevails over black carbon. SO<sub>2</sub> surface concentrations in major ME cities frequently exceed European air-quality limits.</p>
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 | 0,000 |
| 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 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 ».