Source-specific bias correction of US background and anthropogenic ozone modeled in CMAQ
Notice bibliographique
Résumé
United States (US) background ozone (O 3 ) is the counterfactual O 3 that would exist with zero US anthropogenic emissions. Estimates of US background O 3 typically come from chemical transport models (CTMs), but different models vary in their estimates of both background and total O 3 . Here, a measurement–model data fusion approach is used to estimate CTM biases in US anthropogenic O 3 and multiple US background O 3 sources, including natural emissions, long-range international emissions, short-range international emissions from Canada and Mexico, and stratospheric O 3 . Spatially and temporally varying bias correction factors adjust each simulated O 3 component so that the sum of the adjusted components evaluates better against observations compared to unadjusted estimates. The estimated correction factors suggest a seasonally consistent positive bias in US anthropogenic O 3 in the eastern US, with the bias becoming higher with coarser model resolution and with higher simulated total O 3 , though the bias does not increase much with higher observed O 3 . Summer average US anthropogenic O 3 in the eastern US was estimated to be biased high by 2, 7, and 11 ppb (11 %, 32 %, and 49 %) for one set of simulations at 12, 36, and 108 km resolutions and 1 and 6 ppb (10 % and 37 %) for another set of simulations at 12 and 108 km resolutions. Correlation among different US background O 3 components can increase the uncertainty in the estimation of the source-specific adjustment factors. Despite this, results indicate a negative bias in modeled estimates of the impact of stratospheric O 3 at the surface, with a western US spring average bias of −3.5 ppb (−25 %) estimated based on a stratospheric O 3 tracer. This type of data fusion approach can be extended to include data from multiple models to leverage the strengths of different data sources while reducing uncertainty in the US background ozone estimates.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».