Effects of Fire Plume Height on the Geophysical Estimation of Surface Fine Particulate Matter from Satellite Aerosol Optical Depth during North American Wildfires
Notice bibliographique
Résumé
Wildfires can inject smoke at high altitudes into the atmosphere. The resulting free tropospheric aerosols may affect inference of ground-level fine particulate matter (PM 2.5 ) from satellite aerosol optical depth (AOD), yet the effects of accounting for plume height in this inference are poorly understood. Here, we include in the GEOS-Chem chemical transport model a fire plume height parametrization (GFAS, Global Fire Assimilation System) to examine its effect on PM 2.5 inferred from satellite AOD during wildfires over the United States and Canada. Comparison with six years satellite observations of plume height reveals a low bias of a factor 1.7 in the GFAS plume height over evergreen needleleaf forests. We scale the GFAS plume height over evergreen needleleaf forests in GEOS-Chem to better represent the satellite observations, focusing on 2018 and 2020 when large wildfires yield prominent signals. Replacing the default ground-level wildfire emissions in GEOS-Chem with the scaled GFAS vertically distributed emissions reduces the bias between measured PM 2.5 and PM 2.5 inferred from satellite AOD, and significantly improves the consistency of simulated AOD with sun photometer measurements. Overall, this study signifies the importance of vertically distributing wildfire emissions for the inference of PM 2.5 from satellite 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 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 | 0,000 | 0,000 |
| 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 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 ».