Top–down estimates of black carbon emissions at high latitudes using an atmospheric transport model and a Bayesian inversion framework
Notice bibliographique
Résumé
Abstract. This paper presents the results of BC inversions at high northern latitudes (> 50° N) for the 2013–2015 period. A sensitivity analysis was performed to select the best representative species for BC and the best prior emission dataset. The same model ensemble was used to assess the uncertainty of the posterior emissions of BC due to scavenging and removal and due to the use of different prior emission inventory. The optimised emissions of BC were high close to the gas flaring regions in Russia and in Western Canada (Alberta), where numerous power and oil/gas production industries operate. The annual posterior emissions of BC at latitudes above 50° N were estimated as 560 ± 171 kt yr−1, significantly smaller than in ECLIPSEv5 (745 kt yr−1), which was used and the prior information in the inversions of BC. The average relative uncertainty of the inversions was estimated to be 30 %. Posterior concentrations of BC simulated over Arctic regions were compared with independent observations from flight and ship campaigns showing, in all cases, smaller bias, which in turn witnesses the success of the inversion. Posterior emissions of BC in North America are driven by anthropogenic sources, while biomass burning appeared to be less significant as it is also confirmed by satellite products. In North Europe, posterior emissions were estimated to be half compared to the prior ones, with the highest releases to be in megacities and due to biomass burning in Eastern Europe. The largest emissions of BC in Siberia were calculated along the transect between Yekaterinsburg and Chelyabinsk. Flaring emissions in Nenets-Komi oblast (Russia) were estimated to be much lower than in the prior emissions, while in Khanty-Mansiysk (Russia) they remained the same after the inversions of BC. Increased emissions in the borders between Russia and Mongolia are probably due to biomass burning in villages along the Trans-Siberian Railway.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».