Evaluation of Modeled Carbon Monoxide and Methane Columns in the High Arctic Using TCCON Measurements
Notice bibliographique
Résumé
Abstract Methane (CH 4 ) and carbon monoxide (CO) are gases with important climate impacts as direct and indirect greenhouse gases, respectively. Methane has a warming potential 28 times that of carbon dioxide on a 100‐year timescale, and carbon monoxide is a precursor to ozone in the troposphere. Modeling trace gas concentrations in the Arctic atmosphere can be challenging due to Arctic conditions and sensitivity to long‐range transport, and comparing model outputs to remote sensing measurements is essential for ensuring that models are performing well. Ground‐based Arctic measurements are spatially sparse, so it is important to make use of all such available data sets. In this study, we assess eight atmospheric models, comparing their simulations of atmospheric CO and CH 4 column‐averaged dry‐air mole fractions for 2014 and 2015 with ground‐based retrievals of these species at three Arctic stations in the Total Carbon Column Observing Network (TCCON). The multi‐model mean had mean biases (± one standard deviation of the mean) of −5.4% ± 8% at Eureka, Canada, −6.5% ± 8% at Ny‐Ålesund, Norway, and −11% ± 7% at Sodankylä, Finland for CO, and mean biases of −0.25% ± 0.5% at Eureka, −0.90% ± 0.5% at Ny‐Ålesund, and −1.0% ± 0.5% at Sodankylä for CH 4 . Individual model mean biases range from −33% to +35% for CO and −2.5% to +1.9% for CH 4 . These results indicate that models could benefit from improvements targeting simulations of Arctic CO.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».