MétaCan
Menu
Retour à la cohorte
Enregistrement W4408187051 · doi:10.1016/j.atmosenv.2025.121163

Spatial and seasonal variations and trends in carbon monoxide over China during 2013–2022

2025· article· en· W4408187051 sur OpenAlexaff
Yanlun Xie, Han Han, Jane Liu

Notice bibliographique

RevueAtmospheric Environment · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensUniversity of Toronto
Organismes subventionnairesTsinghua UniversityNational Key Research and Development Program of ChinaNational Aeronautics and Space Administration
Mots-clésCarbon monoxideEnvironmental scienceAtmospheric sciencesChinaClimatologyMeteorologySeasonalityGeographyGeologyChemistryMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Carbon monoxide (CO) pollution is one of the unsolved atmospheric environmental issues over countries worldwide. Here, we comprehensively assess the spatial-seasonal variations and trends in CO over China during 2013–2022, by site categorization and cause analysis, which have not been reported in previous studies. Our analysis is based on surface observations, statistical classification techniques, and sensitivity simulations from a global chemical transport model, GEOS-Chem. The results show that CO concentrations and their seasonal variation are higher over the North China Plain than other areas of China during 2013–2022. CO concentrations have decreased at −38.2±31.4 ppbv yr −1 (−3.7%±1.8% yr −1 ) over China during 2013–2022. The declining trends in CO concentrations vary with space, stronger over larger, more polluted, and more industralized cities. GEOS-Chem simulations suggest that the decrease in CO anthropgenic emissions in China would be the main driver for the decreasing trends of CO over China, with a contribution of 80% to the trend. Meteorology, CO anthropgenic emissions over foreign regions, and emissions from biomass burning are the remaining drivers. Our results suggest remarkable benefits of emission reductions in China in abating CO pollution and enhance our understanding on trends of long-term CO pollution over China during 2013–2022. • CO concentrations and their seasonal variation are higher over the North China Plain than other areas of China during 2013–2022. • CO concentrations decreased at −38.2±31.4 ppbv yr −1 (−3.7%±1.8% yr −1 ) over China during 2013–2022 and the declining trends are stronger over larger, more polluted, and more industralized cities. • CO anthropogenic emissions over China are the major driver for the CO declining trends over China during 2013–2022, and meteorology, CO anthropogenic emissions over foreign regions, and emissions from biomass burning dominate the left.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,003
Tête enseignante GPT0,172
Écart entre enseignants0,170 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAtmospheric EnvironmentMême sujetAtmospheric chemistry and aerosolsTravaux en français237 207