Spatial-temporal variations of atmospheric NH <sub>3</sub> concentration and its dry deposition across China based on one decade of satellite and ground-based observations
Notice bibliographique
Résumé
Abstract. Ammonia (NH3), a key alkaline gas in the atmosphere, significantly influences ecosystem nitrogen cycling and the formation of fine particulate matter (PM2.5). However, limited ground-based monitoring hinders understanding of NH3’s spatial and temporal dynamics and its dry deposition across China, which is ranked as one of global largest NH3 emission hotspots. This study integrated 2013–2023 satellite-derived NH3 column concentrations from the Cross-track Infrared Sounder (CrIS) with ground in-situ observations. We used the GEOS-Chem transport model and a random forest algorithm to simulate NH3 dry deposition fluxes and explore the driving forces behind observed trends. Our results show that NH3 concentrations were the highest in the North China Plain (>10 ppb), with notable annual and seasonal increases. NH3 concentration in 2023 were 14–31 % higher than in 2013. CrIS retrievals aligned well with in-situ data, though were generally about twice as high. Dry deposition fluxes exhibited a clear east-west gradient, with maxima in the North China Plain and Sichuan Basin. Increases in NH3 concentrations and deposition were most pronounced in urban, cropland, and forest regions, with urban areas experiencing the fastest growth and grasslands the highest total deposition. The national mean NH3 concentration and dry deposition flux were 4.98 ppb and 0.51 g m⁻2 yr⁻1, respectively. Anthropogenic emissions explained 77 % of the variability in NH3 concentration trend, while meteorological factors accounted for the remainder. 70 %–80 % of deposition trend was governed by atmospheric NH3 concentration changes. This study highlights growing ammonia pollution and informs nitrogen management strategies in China.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».