Large discrepancy between observed and modeled wintertime tropospheric NO<sub>2</sub> variabilities due to COVID-19 controls in China
Notice bibliographique
Résumé
Abstract Recent studies demonstrated the difficulties to explain observed tropospheric nitrogen dioxide (NO 2 ) variabilities over the United States and Europe, but thorough analysis for the impacts on tropospheric NO 2 in China is still lacking. Here we provide a comparative analysis for the observed and modeled (Goddard Earth Observing System-Chem) tropospheric NO 2 in early 2020 in China. Both ozone monitoring instrument and surface NO 2 measurements show marked decreases in NO 2 abundances due to the 2019 novel coronavirus (COVID-19) controls. However, we find a large discrepancy between observed and modeled NO 2 changes over highly polluted provinces: the observed reductions in tropospheric NO 2 columns are about 40% lower than those in surface NO 2 concentrations. By contrast, the modeled reductions in tropospheric NO 2 columns are about two times higher than those in surface NO 2 concentrations. This discrepancy could be driven by the combined effects from uncertainties in simulations and observations, associated with possible inaccurate simulations of lower tropospheric NO 2 , larger uncertainties in the modeled interannual variabilities of NO 2 columns, as well as insufficient consideration of aerosol effects and a priori NO 2 variability in satellite retrievals. In addition, our analysis suggests a small influence from free tropospheric NO 2 backgrounds in E. China in winter. This work demonstrates the challenge to interpret wintertime tropospheric NO 2 changes in China, highlighting the importance of integrating surface NO 2 observations to provide better analysis for NO 2 variabilities.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,004 | 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 ».