MétaCan
Menu
← Retour à la cohorte
Enregistrement W4200031641 · doi:10.1002/essoar.10509739.1

Uncertainty in fire emission factors and the impact on modeled atmospheric CO and O3

2021· preprint· en· W4200031641 sur OpenAlexfundno aff
Rebecca R. Buchholz, Wenfu Tang, L. K. Emmons, Benjamin Gaubert, Forrest Lacey, Mijeong Park, Simone Tilmes, Rebecca H. Schwantes, Christine Wiedinmyer, H. M. Worden

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesNational Aeronautics and Space AdministrationCanadian Space AgencyNational Science Foundation
Mots-clésEnvironmental scienceAtmospheric sciencesAtmospheric chemistryTroposphereCombustionOzoneAtmospheric compositionVegetation (pathology)Emission inventoryCarbon monoxideAir pollutionMeteorologyAtmosphere (unit)Environmental chemistryChemistryAir quality indexGeographyPhysics

Résumé

récupéré en direct d'OpenAlex

Fire emissions are an important component of global models, which help to understand the influence of sources, transport and chemistry on atmospheric composition. Global fire emission inventories can vary substantially due to the assumptions made in the emission creation process, including the defined vegetation type, fire detection, fuel loading, fraction of vegetation burned and emissions factors. Here, we focus on the uncertainty in emission factors and the resulting impact on modeled composition. Our study uses the Community Atmosphere Model with chemistry (CAM-chem) to model atmospheric composition for 2014, a year chosen for the relatively quiet El Niño Southern Oscillation activity. We focus on carbon monoxide (CO), a trace gas emitted from incomplete combustion and also produced from secondary oxidation of volatile organic compounds (VOCs). Fire is a major source of atmospheric CO and VOCs. Modeled CO from four fire emission inventories (CMIP6/GFED4s, QFED2.5, GFAS1.2 and FINN1.5) are compared after being implemented in CAM-chem. Multiple sensitivity tests are performed based on CO and VOC emission factor uncertainties. We compare model output in the 14 basis regions defined by the Global Fire Emissions Database (GFED) team and evaluate against CO observations from the Measurements of Pollution in the Troposphere (MOPITT) satellite-based instrument. For some regions, emission factor uncertainty spans the results found by using different inventories. Finally, we use modeled ozone (O3) to briefly investigate how emission factor uncertainty influences the atmospheric oxidative environment. Overall, accounting for emission factor uncertainty when modeling atmospheric chemistry can lend a range of uncertainty to simulated results.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,127

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,008
Tête enseignante GPT0,231
Écart entre enseignants0,223 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAtmospheric and Environmental Gas Dynamics→Travaux en français237 207→