Comment on egusphere-2022-1292
Notice bibliographique
Résumé
Abstract. Accurate representation of aerosol optical properties is essential for modeling and remote sensing of atmospheric aerosols. Although aerosol optical properties are strongly dependent upon the aerosol size distribution, use of detailed aerosol microphysics schemes in global atmospheric models is inhibited by associated computational demands. Computationally efficient parameterizations for aerosol size are needed. In this study, airborne measurements over the United States (DISCOVER-AQ) and South Korea (KORUS-AQ) are interpreted with a global chemical transport model (GEOS-Chem) to investigate the variation in aerosol size when organic matter (OM) and sulfate-nitrate-ammonium (SNA) are the dominant aerosol components. The airborne measurements exhibit a strong correlation (r = 0.83) between dry aerosol size and the sum of OM and SNA mass concentration (MSNAOM). A global microphysical simulation (GEOS-Chem-TOMAS) indicates that MSNAOM, and the ratio between the two components are the major indicators for SNA and OM dry aerosol size. A parameterization of dry effective radius (Reff) for SNA and OM aerosol is proposed, which well represents the airborne measurements (R2 = 0.74, slope = 1.00) and the GEOS-Chem-TOMAS simulation (R2 = 0.72, slope = 0.81). When applied in the GEOS-Chem high-performance model, this parameterization improves the agreement between the simulated aerosol optical depth (AOD) and the ground-measured AOD from the Aerosol Robotic Network (AERONET; R2 from 0.68 to 0.73, slope from 0.75 to 0.96). Thus, this parameterization offers a computationally efficient method to represent aerosol size dynamically.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,015 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,528 | 0,416 |
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 ».