Annual Growth Rates of Column-Averaged CO <sub>2</sub> Inferred from Total Carbon Column Observing Network (TCCON)
Notice bibliographique
Résumé
Abstract. Monitoring annual atmospheric CO2 growth rates is a key constraint on assessing the long-term effectiveness of emission reduction strategies. We analyzed annual growth rates of column-averaged dry-air mole fractions of CO2 (XCO2) using long-term data from 12 sites within the Total Carbon Column Observing Network (TCCON), spanning four regions: the Arctic, two Northern Hemisphere midlatitude bands (40–50° N and 30–40° N), and the Southern Hemisphere. While in situ ground-based measurements provide detailed records of near-surface CO2 concentrations, XCO2 reflects the column-averaged abundance across the entire atmosphere, offering a complementary perspective. We compared TCCON-derived growth rates with ground-based in situ observations from the Mauna Loa Observatory (MLO). Three calculation methods—Monthly Mean (MM), Fourier Fit residuals (FF), and Dynamic Linear Model (DLM)—were evaluated, with particular attention to the Eureka site, where polar night introduces substantial data gaps. In addition, the Copernicus Atmosphere Monitoring Service (CAMS) reanalysis product was used to assess consistency with TCCON-based growth rates and to evaluate each method’s robustness to missing data. Among the methods tested, the DLM approach proved most resilient to data gaps. Regionally averaged CO2 growth rates, calculated from 2010 or from the earliest available data through 2024, ranged from approximately 2.33 to 2.40 ppm per year. The most prominent signal was associated with the 2015–2016 El Niño–Southern Oscillation (ENSO) event, during which growth rates increased by up to 1.7 ppm per year. The impact of COVID-19-related emission reductions in 2020 was also examined: a decline of 0.4 ppm per year was observed in the 30–40° N region, whereas other regions showed no significant decline. Correlation analysis between growth rates and ENSO strength revealed significant relationships in the Southern Hemisphere and at Mauna Loa, but not in northern mid- or high-latitude regions.
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) | 0,000 | 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 ».