Notice bibliographique
Résumé
Abstract. Airborne dust is one of the most important natural aerosols; it has various environmental impacts on air quality, ocean fertilization, and the global climate change. Asian dust, representing one of the major dust sources in the world, has been widely studied due to its long-range transport capability. However, its transport to the Arctic has been less investigated. In this study, two typical transport routes were identified based on the recorded dust events in China during 2011–2015. Accordingly, two specific Asian dust long-range transport events were selected and compared, i.e., one observed at Barrow, Alaska (traveled mostly over lands within 6–7 d), and the other one observed at Alert, Canada (traveled mostly over oceans within 7–8 d). The transport routes of the two dust events had been cross-validated by using air mass trajectory modeling, meteorology reanalysis data, ground-based aerosol columnar and profiling observations, and spaceborne remote sensing. It was found that different transport routes to the Arctic had divergent effects on the evolution of aerosol properties, revealing different mixing extents between dust, anthropogenic particles, smoke, and sea salts. Based on the Snow, Ice, and Aerosol Radiative (SNICAR) model, the albedo simulation indicated that dust and elemental carbon together reduced the surface albedo by 0.35 % to 2.63 % compared to the pure snow condition. This study implied that the dust long-range transport from China to the Arctic was ubiquitous and may be a potential contributor to the Arctic regional climate.
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 | 0,021 | 0,202 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,009 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,354 | 0,177 |
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 ».