The Measured Impact of Wildfires on Ozone in Western Canada From 2001 to 2019
Notice bibliographique
Résumé
Abstract The impacts on atmospheric ozone (O 3 ) due to wildfires are difficult to characterize due to the many factors that affect O 3 's formation rate and the episodic nature of fire events. This study uses a very large set of air quality data (518,987 6‐hr data points) collected in Western Canada from 2001 to 2019 to determine the prevalence and severity of fire‐driven increases to measured O 3 values. Wildfire events are identified using the automated Trajectory‐Fire Interception Method (TFIM), looking for interceptions between HYSPLIT back‐trajectories and wildfire hotspots. As with other studies, which have used more restricted sets of measurements, the results from this large‐scale, data‐driven approach indicate increases in the O 3 mixing ratio with wildfire impact, on average ∼2 ppbv across all wildfire time periods. To understand the factors which lead to the largest increases, and to better compare to other studies looking at individual fire events, wildfire events are classified using their distance from the air quality measurement location, time of measurement, and corresponding PM 2.5 value. Increases to O 3 are largest during the daytime, when fires occur close to the air quality measurement, and with corresponding measurements of PM 2.5 > 25 μg/m 3 . When an upper‐limit correction for the bias in UV photometric detection of ozone with MnCl 2 scrubbers is applied, the analysis still yields a persistent increase in O 3 during wildfires except for the highest PM 2.5 levels. However, a more accurate correction to the potential bias is needed to fully understand the magnitude of the impact of wildfires on O 3 .
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».