Comment on egusphere-2025-485
Notice bibliographique
Résumé
Abstract. The presence of dense forest canopies significantly alters the near-field dynamical, physical, and chemical environment, with implications for atmospheric composition and air quality variables such as boundary layer ozone (O₃). Observations show profound vertical gradients in O3 concentration beneath forest canopies; however, most chemical transport models (CTMs) used in the operational and research community, such as the Community Multiscale Air Quality (CMAQ) model, cannot account for such effects due to inadequate canopy representation and lack of sub-canopy processes. To address this knowledge gap, we implemented detailed forest canopy processes—including in-canopy photolysis attenuation and turbulence—into the CMAQv5.3.1 model, driven by the Global Forecast System and enhanced with high-resolution vegetation datasets. Simulations were conducted for August 2019 over the contiguous U.S. The canopy-aware model shows substantial improvement, with mean O₃ bias reduced from +0.70 ppb (Base) to −0.10 ppb (Canopy), and fractional bias from +9.71% to +6.37%. Monthly mean O₃ in the lowest model layer (~0–40 m) decreased by up to 9 ppb in dense forests, especially in the East. Process analysis reveals a 75.2% drop in first-layer O₃, with daily surface production declining from 673 to 167 ppb d⁻¹, driven by suppressed photolysis and vertical mixing. This enhances NOₓ titration and reduces O₃ formation under darker, stable conditions. The results highlight the critical role of canopy processes in atmospheric chemistry and demonstrate the importance of incorporating realistic vegetation-atmosphere interactions in CTMs to improve air quality forecasts and health-relevant exposure assessments.
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 | 0,008 |
| 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 | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,017 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,278 | 0,165 |
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 ».