Comment on egusphere-2024-980
Notice bibliographique
Résumé
Abstract. Open straw burning has been widely recognized as a significant source of greenhouse gases (GHGs), posing critical risks to atmospheric integrity and potentially exacerbating global warming. In this study, we proposed a novel method that integrates crop cycle information into extraction and classification of fire spots from open straw burning in Northeast China from 2001 to 2020. By synergizing the extracted fire spots with the modified Fire Radiative Power (FRP) algorithm, we developed high spatial resolution emission inventories of GHGs, including carbon dioxide (CO2), methane (CH4), and nitrous oxide (N2O). Results showed that the northern Sanjiang Plain, eastern Songnen Plain, and eastern Liao River Plain were areas with high intensity of open straw burning. The number of fire spots was elevated during 2013–2017, accounting for 58.0 % of the total fire spots observed during 2001–2020. The prevalent season for open straw burning shifted from autumn (pre-2016) to spring (post-2016), accompanied by a more dispersed pattern in burning dates. The two-decade cumulative emissions of CO2, CH4, and N2O were quantified at 202 Tg, 568 Gg, and 16.0 Gg, respectively, amounting to 221 Tg of CO2-eq. Significant correlations were identified between GHGs emissions and both straw yields and straw utilization (p < 0.01). The enforcement of straw burning bans since 2018 has played a pivotal role in curbing open straw burning, and reduced fire spots by 50.7 % on annual basis compared to 2013–2017. The novel method proposed in this study considerably enhanced the accuracy in characterizing spatiotemporal distributions of fire spots from open straw burning and quantifying associated pollutants emissions.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,014 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,421 | 0,266 |
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 ».