Notice bibliographique
Résumé
Abstract. Accurate "super-resolution'' (Δx < 250 m) atmospheric modelling is useful for several different sectors (e.g., renewable energy, natural disaster prediction), and essential for numerous applications such as downscaling of weather and climate information to finer resolutions. It can also be used to interpret environmental observations during top-down retrieval campaigns by providing complementary data that closely correspond to real-world atmospheric pollution transport and dispersion conditions. In top-down retrievals (e.g., aircraft-based), errors in estimates can arise from assumptions about atmospheric dispersion conditions, uncertainties in measurements, and data processing. As discussed in this work and in our companion paper (Fathi and Gordon, 2022), super-resolution numerical model simulations can be utilized to investigate these sources of uncertainty and optimize the retrievals. In order to conduct a thorough model-based study of the atmospheric dynamical processes that can affect top-down retrievals, model simulations at super-resolutions on the scale of measurement frequency are required: sufficient to resolve the dynamical and turbulent processes at the scale at which measurements are conducted. Here, in the context of our modelling case studies with WRF, we demonstrate a series of best practices for improved (realistic) modelling of atmospheric pollutant dispersion at super-resolutions. These include careful considerations for grid quality over complex terrain, sub-grid TKE parameterization at the scale of large eddies, and ensuring local and global tracer mass-conservation. For this work, super-resolution (Δx ≤ 100 m, Δt ≤ 1 s) model simulations with Large-Eddy-Simulation sub-grid scale parameterization were developed and implemented using WRF-ARW. The objective was to resolve small dynamical processes inclusive of spatio-temporal scales of high-speed (e.g., 100 m/s) airborne measurements. This was achieved by down-scaling of reanalysis data from 31.25 km to 50 m through multi-domain model nesting in the horizontal and grid-refining in the vertical. Further, WRF dynamical-solver source code was modified to simulate passive-tracer emissions within the finest resolution domain. Different meteorological case studies and several tracer emission sources were considered. Model-generated fields were evaluated against observational data and also in terms of tracer mass-conservation. Results indicated model performance within 5 % of observational data in terms of sea level pressure, temperature and humidity, and agreement within one standard deviation between modelled and observed wind fields. Model performance in terms of tracer mass conservation was within 2 % to 5 % of model input emissions.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,027 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,165 | 0,122 |
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 ».