Improving annual fine mineral dust representation from the surface to the column in GEOS-Chem 14.4.1
Notice bibliographique
Résumé
Accurate representation of mineral dust remains a challenge for global air quality or climate models due to inadequate parametrization of the emission scheme, removal mechanisms, and size distribution. While various studies have constrained aspects of dust emission fluxes and/or dust optical depth, annual mean surface dust concentrations still vary by factors of 5–10 among models. In this study, we focus on improving the annual simulation of fine dust in the GEOS-Chem chemical transport model, leveraging recent mechanistic understanding of dust source and removal, and reconciling the size differences between models and ground-based measurements. Specifically, we conduct sensitivity simulations using GEOS-Chem in its high performance configuration (GCHP) version 14.4.1 to investigate the effects of mechanism or parameter updates on annual mean concentrations. The results are evaluated by comparisons versus Deep Blue satellite-based aerosol optical depth (AOD) and AErosol RObotic NETwork (AERONET) ground-based AOD for total column abundance, and versus the Surface Particulate Matter Network (SPARTAN) for novel measurements of surface PM 2.5 dust concentrations. Reconciling modelled geometric diameter versus measured aerodynamic diameter is important for consistent comparison. The two-fold overestimation of surface fine dust in the standard model is alleviated by 39 % without degradation of total column abundance by implementing a new physics-based dust emission scheme with better spatial distribution. Further reduction by 20 % of the overestimation of surface PM 2.5 dust is achieved through reducing the mass fraction of emitted fine dust based on the brittle fragmentation theory, and explicit tracking of three additional fine mineral dust size bins with updated parametrization for below-cloud scavenging. Overall, these developments reduce the normalized mean difference against surface fine dust measurements from SPARTAN from 94 % to 35 %, while retaining comparable skill of total column abundance against satellite and ground-based AOD.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».