Self-lofting of wildfire smoke in the troposphere and stratosphere caused by radiative heating: simulations vs space lidar observations
Notice bibliographique
Résumé
Abstract. Wildfire smoke is known as a highly absorptive aerosol type in the shortwave wavelength range. The absorption of Sun light by optically thick smoke layers results in heating of the ambient air. This heating is translated into self-lofting of the smoke up to more than 1 km in altitude per day. This study aims for a detailed analysis of tropospheric and stratospheric smoke lofting rate simulations as well as comparisons between modeled and observed smoke lofting rates. One of the main goals is to demonstrate that self-lofting processes can explain observed smoke lofting in the free middle and upper troposphere up to the tropopause and into the lower stratosphere without the need for pyrocumulonimbus convection. Simulations are conducted by using the ECRAD (European Centre for Medium-RangeWeather Forecasts Radiation) scheme. As input parameters thermodynamic profiles from CAMS (Copernicus Atmosphere Monitoring Service) reanalysis data, aerosol profiles from ground-based lidar observations, radiosonde potential temperature profiles, CALIOP (Cloud Aerosol Lidar with Orthogonal Polarization) aerosol measurements, and MODIS (Moderate Resolution Imaging pectroradiometer) aerosol optical depth retrievals were used. The uncertainty analysis revealed that the lofting rate sensitively depends on the aerosol optical thickness (AOT), layer thickness, layer height, and the black carbon to organic carbon fraction. We also looked at the influence of different meteorological parameters such as cloudiness, relative humidity, and potential temperature gradient. Largest sensitivities between 30 % and 50 % were found for variation of AOT, black carbon fraction, and cloudiness. Uncertainty in the self-lofting estimations grows with longevity of the smoke layers. In recent years, several major wildfire events occurred and injected smoke into the upper troposphere and lower stratosphere. Self-lofting processes led to the ascend of these smoke plumes. CALIPSO measurements show that in 2017, Canadian wildfire smoke plumes ascended by about 10 km in one month. In 2020, Australian wildfire smoke layers were lofted by around 20 km in two months. In 2019 and 2021, significant self-lofting of tropospheric smoke was observed in Siberia. Smoke was injected to around 4 km height and reached the tropopause within less than a week. These four examples, observed with CALIOP, are presented in this study. The observed CALIOP ascent rates are compared to the calculated ascent rates using the ECRAD model heating rate simulations.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».