MétaCan
Menu
Retour à la cohorte
Enregistrement W4232234127 · doi:10.5194/acp-2020-1008

10–year satellite–constrained fluxes of ammonia improve performance of chemistry transport models

2020· preprint· en· W4232234127 sur OpenAlexaff
Nikolaos Evangeliou, Yves Balkanski, Sabine Eckhardt, Anne Cozic, Martin Van Damme, Pierre‐François Coheur, Lieven Clarisse, Mark W. Shephard, Karen Cady‐Pereira, Didier Hauglustaine

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineChemical Engineering
ThématiqueOdor and Emission Control Technologies
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesNorges ForskningsrådFonds De La Recherche Scientifique - FNRS
Mots-clésAmmoniaEnvironmental scienceSatelliteAtmospheric sciencesAgricultureChemistryGeographyEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract. In recent years, ammonia emissions have been continuously increasing being almost four times higher than in the 20th century. Although an important species as its use as a fertilized sustains human living, ammonia has major consequences both for humans and the environment, because of its reactive gas phase chemistry that makes it easily convertible to particles. Despite its pronounced importance, yet, ammonia emissions are highly uncertain in most emission inventories. However, the great development of satellite remote sensing nowadays provides the opportunity for more targeting research in constraining ammonia emissions. Here, we used satellite measurements to calculate global ammonia emissions over the period 2008–2017. Then, the calculated ammonia emissions were fed to a chemistry transport model and ammonia concentrations were simulated for the period 2008–2017. The simulated concentrations of ammonia were compared with ground measurements from Europe, North America and Southeastern Asia, as well as with satellite measurements. The satellite-constrained ammonia emissions represent global concentrations more accurately than state-of-the-art emissions, which underestimate ammonia with a factor of two. Calculated fluxes in the North China Plain were increased after 2015, not due to emission changes, but due to changes in sulfate emissions that resulted in less ammonia neutralization and hence in larger atmospheric loads. Emissions over Europe were also twice as much as those in traditional datasets with dominant sources to be industrial and agricultural applications. Four hot-spot regions of high ammonia emissions were seen in North America characterized by large agricultural activity (Colorado), animal breeding (Iowa, northern Texas and Kansas), animal farms (Salt Lake, Cache, and Utah) and animal breeding and agricultural practices (California). South America is dominated by ammonia emissions from biomass burning, which cause a strong seasonality. In Southeastern Asia, ammonia emissions from fertilizer plants in China, Pakistan, India and Indonesia are the most important, while a strong seasonality was observed with a spring and late summer peak due to rice and wheat cultivation. Modelled concentrations from the satellite-constrained ammonia emissions are overestimated in Eastern Europe, where state-of-the-art emissions capture observations better. Measurements of ammonia concentrations in North America were better reproduced with satellite-constrained emissions, while all emissions generally underestimate station concentrations in Southeastern Asia. The calculated ammonia emissions also reproduce global CrIS (Cross-track Infrared Sounder) observations more effectively.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,130
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,017
Tête enseignante GPT0,213
Écart entre enseignants0,196 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOdor and Emission Control TechnologiesTravaux en français237 207