Urban and power plant NOx emissions in Sub-Saharan Africa inferred from TROPOMI
Notice bibliographique
Résumé
Nitrogen oxides (NO x ) emissions are increasing rapidly in Sub-Saharan Africa, affecting local air quality. Outside South Africa, most hotspots are relatively small, posing a challenge for traditional top-down inversions. We tailor an existing top-down wind rotation and Gaussian plume fit inversion to suit the relatively small NO x hotspots for most of Sub-Saharan Africa. We apply the customised inversion to three years of nitrogen dioxide (NO 2 ) observations from the TROPospheric Monitoring Instrument (TROPOMI) to derive annual NO x emissions for 24 isolated hotspots (21 urban, 3 power plants) compared to at most 5 in past studies. Annual hotspot emissions total 207.3 kilotonnes NO. Urban hotspot emissions range from <2 mol/s for Antananarivo, Madagascar, to 27.7±11.7 mol/s for the megacity Lagos in Nigeria. Coal-fired power plant emissions are 2.7±0.9 mol/s for Hwange, Zimbabwe, and similar (~70 mol/s) for Lethabo and combined Medupi and Matimba plumes in South Africa. Top-down estimates are 8-20% less than Continuous Emissions Monitoring Systems emissions. We conduct a quasi-independent evaluation of urban top-down emissions by assessing improved agreement between the GEOS-Chem model and TROPOMI NO 2 after updating modelled emissions to match the top-down estimates. The inventory hotspot emissions decline from an annual total of 176 kt NO to 133 kt NO and the model root mean squared error more than halves from 1.2 Pmolecules/cm 2 to 0.48 Pmolecules/cm 2 . Our top-down emissions exhibit large, up to 6-fold, systematic differences with contemporary global and regional inventories.
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 | 0,000 |
| 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) | 0,001 | 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 ».