Notice bibliographique
Résumé
Abstract. The central Arctic cryosphere is influenced by the Arctic Amplification (AA) and is warming faster than the lower latitudes. AA affects the formation, loss and transport of aerosols. Efforts to assess the underlying processes determining aerosol variability are currently limited due to the lack of ground-based and space-borne aerosol observations with high spatial coverage in this region. This study addresses the observational gap by making use of total aerosol optical depth (AOD) data sets retrieved by the AEROSNOW algorithm over the vast cryospheric region of the central Arctic during the Arctic spring and summer. GEOS-Chem (GC) simulations combined with AEROSNOW retrieved data are used to investigate the processes controlling aerosol loading and distribution at different temporal and spatial scales. For the first time, an integrated study of AOD over the Arctic cryosphere during sunlight conditions was possible with the AEROSNOW retrieval and GC simulations. The results show that the spatial patterns observed by AEROSNOW differ from those simulated by GC. During spring, which is characterised by long-range transport of anthropogenic aerosols in the Arctic, the GC underestimates the AOD in the vicinity of Alaska. At the same time, it overestimates the AOD along the Bering Strait, Northern Europe, and the Siberian central Arctic sea ice regions, with differences of -12.3 % and 21.7 %, respectively. In contrast, the GC consistently underestimates AOD compared to AEROSNOW in summer, when transport from lower latitudes is insignificant and local natural processes are the dominant source of aerosol, especially north of 70° N. This underestimation is particularly pronounced over the central Arctic sea ice region, where it is -10.6 %. Conversely, the GC tends to overestimate AOD along the Siberian and Greenland marginal sea ice zones by 19.5 %, but underestimates AOD along the Canadian Archipelago by -9.3 %. The differences in summer AOD between AEROSNOW data products and GC simulated AOD highlight the need to integrate improved knowledge of the summer aerosol process into existing models to constrain its effects on cloud condensation nuclei, ice nucleating particles, and any effects on the radiation budget over central Arctic sea ice during the developing AA period.
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 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,020 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,195 | 0,164 |
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 ».