从地理上讲，这项研究考虑了大西洋的大部分（50°S ，50°N）和（-90°W ，20°E）以及智利海岸东南太平洋的SC甲板 。该地区的规模受到计算成本的限制，我们选择放置它 ，以涵盖两个SC区域 。我们的数据是针对2019年 ，在智利SC区域（-35°S，0°N）的情况下（-90°W，-70°W） ，此外2018年。在图3中 ，我们选择了（-30°S，-17°S）的窗户（−30°S ，-17°S）的窗户（−82.52.5.5.5°W ，−15°W，−17°s）perean ，perean sc.5°w ，−7.5°w o 。50°N）（-40°W，-10°W）对于Azores Cu ，（10°N ，30°N），通过（-50°W ，-20°W）对于Cabo Verde Cu ，（-30°S，-30°S，-10°S） ，通过（-10° ，-10°S），由（-10°W ，15°W ，15°W，namib） 。选择了SC的位置以最高云部分 ，而CU区则选择与北大西洋（如Acruise Field运动）（未来）现场测量运动重叠。
使用自动识别系统数据中的Jalkanen等人的模型计算出船舶排放。这些包含SOX排放的数据每小时分辨率为0.05° 。该分辨率受研究区域的限制；但是 ，由于管道的进一步步骤具有较高的空间不确定性，因此从0.01到0.05°的变化不会影响结果 。尽管以前的研究受到他们可以考虑的轨道数量的限制 ，但数千于12,22的顺序 ，但我们使用了200万当量的船舶路径。请注意，尽管我们计算发射幅度 ，但本研究中的分析仅使用发射位置 。即使排放量中存在不确定性 ，但它们并没有改变研究的发现 。为了运输排放，HySplit对流方案（请参阅下一节）使用ERE5以3小时的间隔和0.25°分辨率的风速重新分析数据44。云特性的卫星检索（云液滴有效半径REFF，光学深度 ，LWP）来自Aqua和Terra Satellites41上的MODIS的Level-2 Cloud产品mod 06 ，Collection 6.1 。如MODIS-Cloud属性掩码所给出的，仅使用液态云的特性 。根据有效的半径检索和云的光学厚度 ，根据Quaas等人45计算ND（另请参见Grosvenor等人46中的方程（11）的推导）。与Segrin等人23中的云厚度一样 ，计算出反照率 。
使用Trackpy Library47检测到船位 。HySplit Model24使用ERE5风将这些位置升级24小时。请注意，ERA5数据以3小时的间隔和0.25°的分辨率出现 ，但是HySplit模型会插入更精确的估计值 。使用20 m初始高度和垂直运动方法的“输入模型数据”模式 。这里使用的是轨迹而不是分散的轨迹功能 ，以找到对流的排放位置。这是为了限制计算成本，因为所分析的最终数据集很大。然后将每个卫星检索与在检索前24小时内发生的排放置于检索时的位置 。由于排放数据的时间分辨率仅为小时 ，因此不会错过赛道的部分时间到5分钟 。
我们需要将被污染的云与它们不受污染的反事实情况进行比较。由于船舶排放量很强 ，因此我们可以假设该区域将不会受到污染，并且可以用作反事实的代理 。选择与反事实检索的污染源的距离是一个权衡：距离越小 ，检索到的云越相似于反事实 ，但它也有可能受到污染影响 。当搭配更不确定时，即有时远离排放时，尤其如此。在这项研究中 ，在轨道特性中检索了污染周围10 km半径范围内的云特性 。在30 km的距离处检索到轨道外的特性 ，半径为10 km 。在轨道的两侧总是检索到轨道的外部属性并平均。强大的背景气溶胶梯度可能会引入一些误差，尤其是当分布是非线性的情况下 。然后 ，通过平均两侧的区域构建的反事实可能是跨轨道方向上凸（凹）函数的高估（低估） 。这解释了例如 ，在加勒比海中的轨道的非物理和轨道下降。在足够大的区域上，平均而言 ，背景既不是凸面也不应凹入 ，因此，当整个观察区域的平均值时 ，这些影响应可以忽略不计 。
在智利SC的情况下 ，我们区分了当天有可见的曲目（quasilinear云特征带有可辨别的头部）的日子与没有可见轨道的那些日子，如“可见曲线与隐形轨道 ”部分所述 。这样可以确保对被标记为“看不见 ”的检索的高度信心。在“可见”类别中 ，一些检索实际上可能与可见的船只轨道无关。这可能是出于不同的原因 ，例如局部气象学，低排放量或不完善的搭配 。采用这种“看不见 ”保守的方法，我们确保使用常规的手持式方法无法检索到我们发现的无形船只轨道 ，因为那些日子并没有看到单船轨道 。然而 ，这仅是出于强调历史偏见的目的，我们对全球LWP敏感性的最终确定并不取决于这种区别。
检索到的云特性通常遵循偏斜的分布 ，具有严格的正值和高值的较重的尾巴 。进行比率分布时 ，这会加剧 。例如，轨道内LWP除外的分布除轨道LWP具有令人惊讶的属性 ，其平均值大于1 ，而离线内track-lwp除以In-Track-LWP的比率分布的平均值也大于1。这种不可分割的似乎表明平均轨道LWP比平均值更大，并且比平均值超过平均值 。但是 ，这是由于以下事实所产生的 ，即采取平均值和采取分配比率的操作不会通勤（与Jensen的不平等48相比） 。为了避免误导结果，据报道 ，相对异常（对于ND ，LWP和反照率）是均值的比率，而不是比率的均值。如图3所示，如图2所示 ，如图2所示 ，均要在图2上（如图3所示）所取用均值，或者在所有数据上（如强迫计算中）所取 。
从ND和LWP的响应中 ，我们将灵敏度估计为
这是通过将EIS的船舶轨道观察结果分为同等数据点的四个箱子来完成的 ，这是在前面讨论的关于敏感性对反转强度的依赖性的论点之后完成的 。这使得推断无法观察到近似全局辐射强迫的区域。在扩展数据表1中给出了垃圾箱，灵敏度值和通过引导获得的不确定性 。对于LWP ，仅在响应高原时才考虑到发射后至少5小时的观测值 。同样 ，对于ND，仅在增强最强时使用5小时之前的观测值。按照Bellouin等人的计算 ，灵敏度可用于估计LWP（RALWP）对气溶胶的快速调整：
其中∆lnnD是液滴数的分数变化 ，SL是大气顶辐射对LWP的敏感性，而CL是LWP快速调整的有效云部分。CL是根据
带有液体云部分（CL）下降短波辐射（RSW）和由角支架指示的区域平均 。CL是从2014年至2019年之间的MODIS Terra和Aqua获得的 ，在扩展数据中描绘了图6a ，Terra中午立交桥的平均水平比Aqua下午一个高10％ 。ΔLNND的模式的计算时间如Bellouin等人的8。从ND敏感性到气溶胶光学深度（AOD）和人为AOD，为此，从Bellouin等人49和Kinne50中获取了两个估计值 。后者的平均值比前者低20％ 。通过将Terra（Aqua）Cl与Bellouin（Kinne）∆lnnd模式相乘 ，并包括（不包括）土地 ，可以获得Cl的较高（下）结合。
该方法考虑了云分数，LWP灵敏度 ，人为液滴数量变化和辐射的空间协方差 。βL的空间模式显示在扩展数据中图6b 。令人惊讶的是 ，SC地区出现低敏感性。SL值取自Bellouin等人8 。将置信度与Bellouin等人的Monte Carlo方法相结合 。8给出了中位数和90％的置信范围。将EIS垃圾箱的数量增加到五个或六个，将该值降低了不到10％ 。
扩展数据在图6c中给出了LWP调整的估计辐射强迫的图 。SC区域（以前已经研究过船舶轨道）是辐射强迫最小的那些区域 ，而热带区域显示出更强的负强迫 ，与大LWP敏感性有关。尽管加权计算的确切方法似乎只有很小的效果，但首先要从中计算灵敏度的数据的选择对于由此产生的辐射强迫很重要。例如 ，例如 ，例如，在扩展数据图7中 ，ND异常非常依赖时间 ，发射后3小时左右达到最大值 。因此，扩展数据表1列出了从发射后的前5小时（最大值）使用ND扰动获得的灵敏度 。LWP异常仅是从5小时后（高原）开始的。使用全部数据将导致更高的灵敏度估计，从而导致辐射强迫的负面估计更多 。
本文来自作者[admin]投稿，不代表永利号立场，如若转载，请注明出处：http://www.siyonli.com/zshi/202506-1239.html
评论列表（3条）
我是永利号的签约作者“admin”
本文概览： 从地理上讲，这项研究考虑了大西洋的大部分（50°S，50°N）和（-90°W，20°E）以及智利海岸东南太平洋的SC甲板。该地区的规模受到计算成本的限制，我们选择放置它，以...
文章不错《无形的船只轨道显示出对气雾剂的云敏感性》内容很有帮助