MétaCan
Menu
← Retour à la cohorte
Enregistrement W4322010086 · doi:10.5194/egusphere-egu23-8498

Representation of Precipitation Phases and a New Parameterization for Below-Cloud Scavenging in Regional Air Quality modelling

2023· preprint· en· W4322010086 sur OpenAlexaff
Roya Ghahreman, Wanmin Gong, Paul A. Makar, Alexandru Lupu, Amanda Cole, Kulbir Banwait, Colin Lee, Ayodeji Akingunola

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésScavengingPrecipitationAerosolLiquid water contentDeposition (geology)Atmospheric sciencesEnvironmental scienceSnowMeteorologyCloud computingChemistryPhysicsGeologyComputer science

Résumé

récupéré en direct d'OpenAlex

Below-cloud scavenging is the process of aerosol removal from the atmosphere between cloud-base and the ground by precipitation (e.g. rain or snow), and affects aerosol number/mass concentrations, lifetime and distributions. An accurate representation of precipitation phases is important in treating below-cloud scavenging as the efficiency of aerosol scavenging differs significantly between liquid and solid precipitation. To study cloud processes and precipitation chemistry, we examined representation of below-cloud aerosol scavenging of in the current GEM-MACH model, including a revised approach in precipitation phase partitioning and implementing a new aerosol below-cloud scavenging scheme (from Wang et al., 2014) and comparing with the GEM-MACH’s existing scavenging scheme, based on Slinn (1984). Overall, the multi-phase partitioning and Wang et al. (2014) scavenging scheme improve GEM-MACH performance as compared with observations. Including multi-phase approach leads to a decrease on SO42- scavenging and impacts the below-cloud scavenging of SO2 into the aqueous phase. The impact of the new scheme on wet deposition of NO3- and NH4+ varies, with both increases and decreases in wet scavenging, and is more important at specific cloud locations. The two aerosol scavenging rates differ during liquid precipitation in the 0.1-1 µm size range mostly at high precipitation intensity. The two aerosol scavenging schemes diverge for aerosols smaller than 1 µm for solid precipitation at lower intensity (R=0.01 mm/h), while at higher precipitation intensities (R=10 mm/h), the two schemes show larger differences for aerosols larger than 1 µm. The changes on the speciated particles (sulphate, nitrate and ammonium) are consistent with the changes in the wet scavenging, leading to higher modelled concentrations of particulate sulphate in the atmosphere.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,160
Tête enseignante GPT0,329
Écart entre enseignants0,169 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAtmospheric chemistry and aerosols→Travaux en français237 207→