How well do Earth system models reproduce the observed aerosol response to rapid emission reductions? A COVID-19 case study
Notice bibliographique
Résumé
Abstract. The spring 2020 COVID-19 lockdowns led to a rapid reduction in aerosol and aerosol precursor emissions. These emission reductions provide a unique opportunity for model evaluation and to assess the potential efficacy of future emission control measures. We investigate changes in observed regional aerosol optical depth (AOD) during the COVID-19 lockdowns and use these observed anomalies to evaluate Earth system model simulations forced with COVID-19-like reductions in aerosols and greenhouse gases. Most anthropogenic source regions do not exhibit statistically significant changes in satellite retrievals of total or dust-subtracted AOD, despite the dramatic economic and lifestyle changes associated with the pandemic. Of the regions considered, only India exhibits an AOD anomaly that exceeds internal variability. Earth system models reproduce the observed responses reasonably well over India but initially appear to overestimate the magnitude of response in East China and when averaging over the Northern Hemisphere (0–70∘ N) as a whole. We conduct a series of sensitivity tests to systematically assess the contributions of internal variability, model input uncertainty, and observational sampling to the aerosol signal, and we demonstrate that the discrepancies between observed and simulated AOD can be partially resolved through the use of an updated emission inventory. The discrepancies can also be explained in part by characteristics of the observational datasets. Overall our results suggest that current Earth system models have potential to accurately capture the effects of future emission reductions.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».