MétaCan
Menu
Retour à la cohorte
Enregistrement W4382727574 · doi:10.5194/essd-15-2667-2023

The HTAP_v3 emission mosaic: merging regional and global monthly emissions (2000–2018) to support air quality modelling and policies

2023· article· en· W4382727574 sur OpenAlexaff
Monica Crippa, Diego Guizzardi, Tim Butler, Terry Keating, Rosa Wu, J. W. Kaminski, Jeroen Kuenen, Junichi Kurokawa, Satoru Chatani, Tazuko Morikawa, George Pouliot, Jacinthe Racine, Michael D. Moran, Zbigniew Klimont, Patrick M. Manseau, Rabab Mashayekhi, Barron H. Henderson, Steven J. Smith, Harrison Suchyta, Marilena Muntean, Efisio Solazzo, Edwin Schaaf, Federico Pagani, Jung‐Hun Woo, Jin‐Seok Kim, Fabio Monforti-Ferrario, Enrico Pisoni, Junhua Zhang, David Niemi, Mourad Sassi, Tabish Ansari, Kristen Foley

Notice bibliographique

RevueEarth system science data · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesJapan Society for the Promotion of ScienceMinistry of Science and ICT, South KoreaMinistry of the Environment, Government of JapanEnvironmental Restoration and Conservation Agency
Mots-clésMosaicEnvironmental scienceAir quality indexQuality (philosophy)MeteorologyClimatologyAtmospheric sciencesGeologyGeographyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract. This study, performed under the umbrella of the Task Force on Hemispheric Transport of Air Pollution (TF-HTAP), responds to the global and regional atmospheric modelling community's need of a mosaic emission inventory of air pollutants that conforms to specific requirements: global coverage, long time series, spatially distributed emissions with high time resolution, and a high sectoral resolution. The mosaic approach of integrating official regional emission inventories based on locally reported data, with a global inventory based on a globally consistent methodology, allows modellers to perform simulations of high scientific quality while also ensuring that the results remain relevant to policymakers. HTAP_v3, an ad hoc global mosaic of anthropogenic inventories, has been developed by integrating official inventories over specific areas (North America, Europe, Asia including Japan and South Korea) with the independent Emissions Database for Global Atmospheric Research (EDGAR) inventory for the remaining world regions. The results are spatially and temporally distributed emissions of SO2, NOx, CO, non-methane volatile organic compounds (NMVOCs), NH3, PM10, PM2.5, black carbon (BC), and organic carbon (OC), with a spatial resolution of 0.1∘ × 0.1∘ and time intervals of months and years, covering the period 2000–2018 (https://doi.org/10.5281/zenodo.7516361, Crippa, 2023, https://edgar.jrc.ec.europa.eu/dataset_htap_v3, last access: June 2023). The emissions are further disaggregated into 16 anthropogenic emitting sectors. This paper describes the methodology applied to develop such an emission mosaic, reports on source allocation, differences among existing inventories, and best practices for the mosaic compilation. One of the key strengths of the HTAP_v3 emission mosaic is its temporal coverage, enabling the analysis of emission trends over the past 2 decades. The development of a global emission mosaic over such long time series represents a unique product for global air quality modelling and for better-informed policymaking, reflecting the community effort expended by the TF-HTAP to disentangle the complexity of transboundary transport of air pollution.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,107

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,073
Tête enseignante GPT0,303
Écart entre enseignants0,230 · 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
GenreEmpirique

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

En bref

Citations177
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEarth system science dataMême sujetAtmospheric chemistry and aerosolsTravaux en français237 207