High-resolution inversion of methane emissions in the Southeast US using SEAC <sup>4</sup> RS aircraft observations of atmospheric methane:anthropogenic and wetland sources
Notice bibliographique
Résumé
Abstract. We use observations of boundary layer methane from the SEAC4RS aircraft campaign over the Southeast US in August–September 2013 to estimate methane emissions in that region through an inverse analysis with up to 0.25 ° x 0.3125 ° (25 x 25 km2) resolution and with full error characterization. The Southeast US accounts for about half of total US anthropogenic emissions according to the gridded EPA national inventory and also has extensive wetlands. Our inversion uses state-of-science emission inventories as prior estimates, including a gridded version of the anthropogenic EPA Greenhouse Gas Inventory and the mean of the WetCHARTs ensemble for wetlands. Inversion results are independently verified by comparison with surface (NOAA/ESRL) and column (TCCON) methane observations. Our posterior estimates for the Southeast US are 12.8 ± 0.9 Tg a−1 for anthropogenic sources (no significant change from the gridded EPA inventory) and 9.4 ± 0.8 Tg a−1 for wetlands (27 % decrease from the mean in the WetCHARTs ensemble). The largest source of error in the WetCHARTs wetlands ensemble is the landcover map specification of wetland areal extent. We find no regional bias in the anthropogenic EPA inventory, including for different source sectors, in contrast with previous inverse analyses that found the EPA inventory to be too low at national scales. These previous inversions relied on prior anthropogenic source patterns from the EDGAR v4.2 inventory that have considerable error, and also assumed low wetland emissions. Despite the regional-scale consistency, we find significant local errors in the EPA inventory for oil/gas production fields, suggesting that emission factors are more variable than assumed in the inventory.
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 | 0,001 |
| 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 | 0,000 | 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 ».