Large discrepancy between observed and modeled wintertimetropospheric NO2 variabilities due to COVID-19 controls in China
Notice bibliographique
Résumé
Recent studies demonstrated the difficulties to explain observed tropospheric nitrogen dioxide (NO2) variabilities over the United States and Europe, but thorough analysis for the impacts on tropospheric NO2 in China is still lacking. Here we provide a comparative analysis for the observed and modeled (Goddard Earth Observing System-Chem) tropospheric NO2 in early 2020 in China. Both ozone monitoring instrument and surface NO2 measurements show marked decreases in NO2 abundances due to the 2019 novel coronavirus (COVID-19) controls. However, we find a large discrepancy between observed and modeled NO2 changes over highly polluted provinces: the observed reductions in tropospheric NO2 columns are about 40% lower than those in surface NO2 concentrations. By contrast, the modeled reductions in tropospheric NO2 columns are about two times higher than those in surface NO2 concentrations. This discrepancy could be driven by the combined effects from uncertainties in simulations and observations, associated with possible inaccurate simulations of lower tropospheric NO2, larger uncertainties in the modeled interannual variabilities of NO2 columns, as well as insufficient consideration of aerosol effects and a priori NO2 variability in satellite retrievals. In addition, our analysis suggests a small influence from free tropospheric NO2 backgrounds in E. China in winter. This work demonstrates the challenge to interpret wintertime tropospheric NO2 changes in China, highlighting the importance of integrating surface NO2 observations to provide better analysis for NO2 variabilities.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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.
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 ».