Fifteen Years of HFC‐134a Satellite Observations: Comparisons With SLIMCAT Calculations
Notice bibliographique
Résumé
Abstract The phase out of anthropogenic ozone‐depleting substances such as chlorofluorocarbons under the terms of the Montreal Protocol led to the development and worldwide use of hydrofluorocarbons (HFCs) in refrigeration, air conditioning, and as blowing agents and propellants. Consequently, over recent years, the atmospheric abundances of HFCs have dramatically increased. HFCs are powerful greenhouse gases and are now controlled under the terms of the 2016 Kigali Amendment to the Montreal Protocol. HFC‐134a is currently the most abundant HFC in the atmosphere, breaking the 100 ppt barrier in 2018, and can be measured in the Earth's atmosphere by the satellite remote‐sensing instrument ACE‐FTS (Atmospheric Chemistry Experiment‐Fourier Transform Spectrometer), which has been measuring since 2004. This work uses the ACE‐FTS v4.0 data product to investigate global distributions and trends of HFC‐134a. These measurements are compared with a simulation of SLIMCAT, a state‐of‐the‐art three‐dimensional chemical transport model, which is constrained by global surface HFC‐134a measurements. The agreement between observation and model is good, although in the tropical troposphere ACE‐FTS measurements are biased low by up to 10–15 ppt. The overall ACE‐FTS global trend of HFC‐134a for the altitude range 5.5–24.5 km and 2004–2018 time period is approximately linear with a value of 4.49 ± 0.02 ppt/year, slightly lower than the corresponding SLIMCAT trend of 4.66 ppt/year. Using a simple box model, we also estimate the annual global emissions and burdens of HFC‐134a from the model data, indicating that emissions of HFC‐134a have increased almost linearly, reaching 236 Gg by 2018.
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 | 0,001 | 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 | 0,001 |
| 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 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 ».