Two Decades-long Satellite Observations of Carbon Monoxide Confirm the Northern Hemispheric Wildfires Increase
Notice bibliographique
Résumé
Biomass burning is an important and changing component of the global and hemispheric carbon cycles. Boreal forest fires in Russia and Canada are significant sources of greenhouse gases carbon dioxide (CO2) and methane (CH4). The influence of carbon monoxide (CO) on the greenhouse effect is practically absent: its main absorption bands of 4.6 and 2.3 μm are far away from the climatically important spectral regions. Meanwhile, CO concentrations in fire plumes are closely related to CO2 and CH4 emissions from fires. On the other hand, satellite measurements of CO are much simpler than those for the aforementioned gases. The Atmospheric Infrared Sounder (AIRS) provides a satellite-based CO data set since October, 2002 up to now. This communication presents estimates of CO emissions from biomass burning north of 30° N using a simple two-box mass-balance model. These results correlate closely with independently estimated CO emissions from the GFED4 bottom-up data base. Both ones reported record high emissions in 2021 throughout two decades, double the annual emissions comparing to the previous years. There have been two years with extremely high emissions (2003 and 2021), but for the rest of data upward trend with a rate of 3.6 ± 2.2 Tg CO yr-2 (4.8 ± 2.7% yr-1), was found. A similar rate of CO emission follows from the GFED4 data.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 tête enseignante, 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 ».