The importance of oceanic emissions for modelling Arctic aerosols and clouds
Notice bibliographique
Résumé
Emissions of primary aerosols and aerosol precursors from the ocean are key for the Arctic climate. Among those, secondary aerosols from oceanic dimethylsulfide (DMS) are a key species for aerosol-radiation and aerosol-cloud interactions. However, the representation of DMS in atmospheric models is challenging, which generates large uncertainties in the Arctic aerosol budget. In this work we evaluate the sensitivity of simulated Arctic aerosols and clouds in the WRF-Chem atmospheric chemistry model, over a complete annual cycle, to (1) the representation of DMS chemistry in the atmosphere and (2) the oceanic DMS concentration product used as boundary condition. For (2), we compare the results obtained using the Lana et al. (2011) global climatology versus dedicated simulations of the Arctic Ocean biogeochemistry with NEMO-CSIB. We find that aerosol number concentrations can change by up to more than 100%, including over sea ice, depending on the model configuration, with a greater sensitivity to the chemistry mechanism than to the oceanic DMS product. This change is negative in the summer, which leads to decreased cloud droplet number and increased (decreased, respectively) shortwave (longwave, respectively) radiation at the surface over sea ice. The opposite effect is found in late spring and autumn. Overall, we find that using a more complex chemistry and better description of Arctic Ocean DMS has an impact on the surface energy budget of +4 W/m2 on average for the year 2018, both over sea ice and the open ocean. This configuration also performs best compared to observations. Additional experiments evaluating the changes of aerosol number under future oceanic DMS concentrations, potential emissions of DMS through sea ice, and the role of methanesulfonic acid (MSA) nucleation in summertime aerosol number concentration are presented. This work demonstrates the importance of accurately modeling DMS for simulations of the Arctic aerosol budget and climate, and the value-added of forcing atmospheric models with ocean biogeochemistry simulations.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».