Impacts of Soil NO<sub><i>x</i></sub> Emission\non O<sub>3</sub> Air Quality in Rural California
Notice bibliographique
Résumé
Nitrogen oxides (NOx) are a key precursor\nin O3 formation. Although stringent anthropogenic NOx emission controls have been implemented\nsince the early 2000s in the United States, several rural regions\nof California still suffer from O3 pollution. Previous\nfindings suggest that soils are a dominant source of NOx emissions in California; however, a statewide assessment\nof the impacts of soil NOx emission (SNOx) on air quality is still lacking. Here we\nquantified the contribution of SNOx to\nthe NOx budget and the effects of SNOx on surface O3 in California during\nsummer by using WRF-Chem with an updated SNOx scheme, the Berkeley Dalhousie Iowa Soil NO Parameterization\n(BDISNP). The model with BDISNP shows a better agreement with TROPOMI\nNO2 columns, giving confidence in the SNOx estimates. We estimate that 40.1% of the state’s total\nNOx emissions in July 2018 are from soils,\nand SNOx could exceed anthropogenic sources\nover croplands, which accounts for 50.7% of NOx emissions. Such considerable amounts of SNOx enhance the monthly mean NO2 columns by 34.7% (53.3%)\nand surface NO2 concentrations by 176.5% (114.0%), leading\nto an additional 23.0% (23.2%) of surface O3 concentration\nin California (cropland). Our results highlight the cobenefits of\nlimiting SNOx to help improve air quality\nand human health in rural California.
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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».