Detection and Attribution of Wildfire Pollution in the Arctic
Notice bibliographique
Résumé
The Arctic experiences poor air quality due to transport of pollutants from mid-latitudes, with wildfires providing an episodic source of trace gases and particulates. We present a multi-year time series of the total columns of CO, HCN, and C2H6 measured using Fourier transform infrared spectrometers at ten sites affiliated with the Network for Detection of Atmospheric Composition Change (NDACC). Six are high-latitude sites: Eureka, Ny Alesund, Thule, Kiruna, Poker Flat, and St. Petersburg, and four are mid-latitude sites: Zugspitze, Jungfraujoch, Toronto, and Rikubetsu. For each site, the inter-annual trends and seasonal variabilities of the CO total column time series are accounted for, allowing ambient concentrations to be determined. Enhancements above ambient levels are then used to identify possible wildfire pollution events. Since the abundance of each trace gas emitted in a wildfire event is specific to the type of vegetation burned and the burning phase, correlations of CO to the long-lived wildfire tracers HCN and C2H6 allow for further confirmation of the detection of wildfire pollution, while complementary measurements of aerosol optical depth from nearby AERONET sites confirms the presence of wildfire smoke. GEOS-Chem tagged CO simulations with Global Fire Assimilation System (GFAS) biomass burning emissions were used to determine the source attribution of CO concentrations at each site from 2003-2017. The influence of the various wildfire sources is found to differ between sites; however, North American and Eurasian boreal wildfires fires are found to be the greatest contributors to episodic CO enhancements in the summertime at all sites.
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 | 0,002 |
| 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 ».