Evaluation of WRF-Chem air quality forecasts during the AEROMMA and STAQS 2023 field campaigns
Notice bibliographique
Résumé
A real-time air quality forecasting system was developed using the Weather Research and Forecasting model coupled with Chemistry (WRF-Chem) to provide support for flight planning activities during the NOAA Atmospheric Emissions and Reactions Observed from Megacities to Marine Areas (AEROMMA) and NASA Synergistic TEMPO Air Quality Science (STAQS) 2023 field campaigns. The forecasting system operated on two separate domains centered on Chicago, IL, and New York City, NY, and provided 72-hour predictions of atmospheric composition, aerosols, and clouds. This study evaluates the Chicago-centered forecasting system’s 1-, 2-, and 3-day ozone (O3) forecast skill for Chiwaukee Prairie, WI, a rural area downwind of Chicago that often experiences high levels of O3 pollution. Comparisons to vertical O3 profiles collected by a Tropospheric Ozone Lidar Network (TOLNet) instrument revealed that forecast skill decreases as forecast lead time increases. When compared to surface measurements, the forecasting system tended to underestimate O3 concentrations on high O3 days and overestimate on low O3 days at Chiwaukee Prairie regardless of forecast lead time. Using July 25, 2023, as a case study, analyses show that the forecasts underestimated peak O3 levels at Chiwaukee Prairie during this regionwide bad air quality day. Wind speed and direction data indicates that this underestimation can partially be attributed to lake breeze simulation errors. Surface fine particulate matter (PM2.5) measurements, Geostationary Operational Environmental Satellite-16 (GOES-16) aerosol optical depth (AOD) data, and back trajectories from the NOAA Hybrid Single-Particle Lagrangian Integrated Trajectory (HYSPLIT) model show that transported Canadian wildfire smoke impacted the Lake Michigan region on this day. Errors in the forecasted chemical composition and transport of the smoke plumes also contributed to underpredictions of O3 levels at Chiwaukee Prairie on July 25, 2023. The results of this work help identify improvements that can be made for future iterations of the WRF-Chem forecasting system.Implications: Air quality forecasting is an important tool that can be used to inform the public about upcoming high pollution days so that individuals may plan accordingly to limit their exposure to health-damaging air pollutants. Forecasting also helps scientists make decisions about where to make observations during air quality field campaigns. A variety of observational datasets were used to evaluate the accuracy of an air quality forecasting system that was developed for NOAA and NASA field campaigns that occurred in the summer of 2023. These evaluations inform areas of improvement for future development of this air quality forecasting system.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».