An observational estimate of Arctic UV-absorbing aerosol direct radiative forcing on instantaneous and climatic scales
Notice bibliographique
Résumé
Using co-located satellite observations from the Aqua Moderate Resolution Imaging Spectroradiometer, the Aqua Cloud and the Earth Radiant Energy System, the Special Sensor Microwave Imager/Sounder, and the Ozone Monitoring Instrument, we investigated changes in absorbing aerosol direct radiative forcing (ADRF) in the spring through fall Arctic from 2005–2020 through an observation-based method, assisted by a neural network for estimating aerosol-free sky top-of-atmosphere (TOA) radiative fluxes, and an innovative, Monte Carlo-based method for estimating uncertainties in derived ADRF values. This study suggests that Arctic ADRF is a strong function of observing conditions, and changes in Arctic sea ice concentration (SIC) and cloud properties introduce a complex scenario for estimating ADRF. For example, the TOA ADRF reverses sign from negative (cooling) to positive (warming) for SIC above 60 % for a region with a relatively cloud-free scene. ADRF trends over Arctic land surfaces are primarily negative. Strong negative ADRF trends of up to −4 W m −2 were found over northern Russia and northern Canada in the summer months. Both positive and negative ADRF trends were found over the Arctic Ocean in the boreal summer, though these trends are much weaker than the over-land trends. Positive ADRF trends in the Arctic Ocean north of northeastern Russia and northern Canada are as high as +1.0 W m −2 per study period. The trend results suggest that increasing amounts of absorbing aerosols in the Arctic have a cooling effect from TOA that could act to counter Arctic warming.
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 | 0,000 | 0,000 |
| 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 ».