A full year of aerosol size distribution data from the central Arctic under an extreme positive Arctic Oscillation: Insights from the MOSAiC expedition
Notice bibliographique
Résumé
Abstract. The Arctic environment is rapidly changing due to accelerated warming in the region. The warming trend is driving a decline in sea ice extent, which thereby enhances feedback loops in the surface energy budget in the Arctic. Arctic aerosols play an important role in the radiative balance, and hence the climate response, in the region; yet direct observations of aerosols over the Arctic Ocean are limited. In this study, we investigate the annual cycle in the aerosol particle number size distribution (PNSD), particle number concentration (PNC), and black carbon (BC) mass concentration in the central Arctic during the Multidisciplinary drifting Observatory for the Study of Arctic Climate (MOSAiC) expedition. This is the first continuous, year-long dataset of aerosol PNSD ever collected over the sea ice in the central Arctic Ocean. We use a k-means cluster analysis, FLEXPART simulations, and inverse modeling to evaluate seasonal patterns and the influence of different source regions on the Arctic aerosol population. Furthermore, we compare the aerosol observations to land-based sites across the Arctic, using both long-term measurements and observations during the year of the MOSAiC expedition (2019–2020), to investigate interannual variability and to give context to the aerosol characteristics from within the central Arctic. Our analysis identifies that, overall, the central Arctic exhibits typical seasonal patterns of aerosols, including anthropogenic influence from Arctic Haze in winter and secondary aerosol processes in summer. The seasonal pattern corresponds with the global radiation, surface air temperature, and the timing of sea ice melting/freezing, which drives changes in transport patterns and secondary aerosol processes. In winter, the Norilsk region in Russia/Siberia was the dominant source of Arctic Haze signal in the PNSD and BC observations, which contributed to higher accumulation mode PNC and BC mass concentration in the central Arctic than at land-based observatories. We also show that the wintertime Arctic Oscillation (AO) phenomenon, which was reported to achieve a record-breaking positive phase during January–March 2020, explains the unusual timing and magnitude of Arctic Haze across the Arctic region compared to longer-term observations. In summer, the PNC of nucleation and Aitken mode aerosol is enhanced, but concentrations were notably lower in the central Arctic over the ice pack than at land-based sites further south. The analysis presented herein provides a current snapshot of Arctic aerosol processes in an environment that is characterized by rapid changes, which will be crucial for improving climate model predictions, understanding linkages between different environmental processes, and investigating the impacts of climate change in future Arctic aerosol studies.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,000 | 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 ».