Airborne measurements of fire Emission Factors for African biomass burning sampled during the MOYA Campaign
Notice bibliographique
Résumé
Abstract. Airborne sampling of methane (CH4), carbon dioxide (CO2), carbon monoxide (CO), and nitrous oxide (N2O) mole fractions was conducted during field campaigns targeting fires over Senegal in February and March 2017, and Uganda in January 2019. The majority of fire plumes sampled were close to, or directly over burning vegetation, with the exception of two longer-range flights over the West African Atlantic seaboard, (100–300 km from source) where the continental outflow of biomass burning emissions from a wider area of West Africa was sampled. Fire Emission Factors (EFs) and modified combustion efficiencies (MCEs) were estimated from the enhancements in measured mole fractions. For the Senegalese fires, mean EFs and corresponding one-standard deviation variabilities, in units of g per kg of dry fuel were 1.8 (± 0.06) for CH4, 1633 (± 56.4) for CO2 and 679 (± 1.6) for CO, with a mean MCE of 0.94 (± 0.005). For the Ugandan fires, mean EFs (in units of g kg−1) were 3.1 (± 0.1) for CH4, 1610 (± 54.9) for CO2 and 78 (± 1.9) for CO, with a mean modified combustion efficiency of 0.93 (± 0.004). A mean N2O EF of 0.08 (± 0.002) g kg−1 is also reported for one flight over Uganda; issues with temperature control of the instrument optical bench prevented N2O EFs from being obtained for other flights over Uganda. This study has provided new datasets of African biomass burning EFs and MCEs for two distinct study regions, in which both have been studied little by aircraft measurement previously. These results highlight the important intracontinental variability of biomass burning trace gas emissions, and can be used to better constrain future biomass burning emission budgets. More generally, these results highlight the importance of regional and fuel-type variability when attempting to spatially scale biomass burning emissions. Further work to constrain EFs at more local scales and for more specific (and quantifiable) fuel types will serve to improve global estimates of biomass burning emissions of climate-relevant gases.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 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 ».