HTAP3 Fires: towards a multi-model, multi-pollutant study of fire impacts
Notice bibliographique
Résumé
Abstract. Open biomass burning has major impacts globally and regionally on atmospheric composition. Fire emissions include particulate matter, tropospheric ozone precursors, and greenhouse gases, as well as persistent organic pollutants, mercury, and other metals. Fire frequency, intensity, duration, and location are changing as the climate warms, and modelling these fires and their impacts is becoming more and more critical to inform climate adaptation and mitigation, as well as land management. Indeed, the air pollution from fires can reverse the progress made by emission controls on industry and transportation. At the same time, nearly all aspects of fire modelling – such as emissions, plume injection height, long-range transport, and plume chemistry – are highly uncertain. This paper outlines a multi-model, multi-pollutant, multi-regional study to improve the understanding of the uncertainties and variability in fire atmospheric science, models, and fires' impacts, in addition to providing quantitative estimates of the air pollution and radiative impacts of biomass burning. Coordinated under the auspices of the Task Force on Hemispheric Transport of Air Pollution, the international atmospheric modelling and fire science communities are working towards the common goal of improving global fire modelling and using this multi-model experiment to provide estimates of fire pollution for impact studies. This paper outlines the research needs, opportunities, and options for the fire-focused multi-model experiments and provides guidance for these modelling experiments, outputs, and analyses that are to be pursued over the next 3 to 5 years. The paper proposes a plan for delivering specific products at key points over this period to meet important milestones relevant to science and policy audiences.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».