Assessment of the Meteorological Impact on Improved PM<sub>2.5</sub> Air Quality Over North China During 2016–2019 Based on a Regional Joint Atmospheric Composition Reanalysis Data‐Set
Notice bibliographique
Résumé
Abstract In the context of China's clean air policy, the meteorological impacts on improved particulate matter (PM2.5) air quality during 2016–2019 are investigated based on a four‐year high‐resolution atmospheric composition reanalysis data‐set, which has been produced by the Joint Data Assimilation System to resolve long‐term fine‐scale air quality variability over China. The reanalysis assimilates surface air quality observations using the Weather Research and Forecasting model coupled with Chemistry and an ensemble‐based assimilation algorithm, and simultaneous assimilations of meteorological observations, chemical initial conditions (ICs) and emissions are applied to help reduce the uncertainty in meteorology, ICs and the emissions inventory. Further, objective weather classification method is applied to quantitatively explore synoptic circulation pattern changes and associated PM2.5 variability over North China by using this unique reanalysis data‐set. PM2.5 reanalysis data are also investigated according to different circulation types, and results indicate that temporal and spatial variations of PM2.5 are found to be closely connected with weather and circulation patterns. The northerly types correspond to the lower PM2.5 levels, while the southerly and easterly types correspond to the higher PM2.5 concentration due to favorable local meteorological conditions. According to the quantitative evaluation on circulation pattern changes, meteorological contribution have played a positive role in improving air quality in the context of China's clean air policy during 2016–2019. This study serves as a basis for future retrospective assessments of air pollutant variation and emissions regulation measures.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 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 ».