• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文OA文献 >What can we learn from European continuous atmospheric CO2 measurements to quantify regional fluxes – Part 2: Sensitivity of flux accuracy to inverse setup
【2h】

What can we learn from European continuous atmospheric CO2 measurements to quantify regional fluxes – Part 2: Sensitivity of flux accuracy to inverse setup

机译：我们可以从欧洲连续大气CO2测量中学到什么来量化区域通量–第2部分：通量精度对逆向设置的敏感性

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

An inverse model using atmospheric CO observations from a Europeannetwork of stations to reconstruct daily CO fluxes and theiruncertainties over Europe at 50 km resolution has been developed within aBayesian framework. We use the pseudo-data approach in which we try torecover known fluxes using a range of perturbations to the input. In thisstudy, the focus is put on the sensitivity of flux accuracy to the inversesetup, varying the prior flux errors, the pseudo-data errors and the networkof stations. We show that, under a range of assumptions about prior errorand data error we can recover fluxes reliably at the scale of 1000 km and10 days. At smaller scales the performance is highly sensitive to details ofthe inverse set-up. The use of temporal correlations in the flux domainappears to be of the same importance as the spatial correlations. We alsonote that the use of simple, isotropic correlations on the prior flux errorsis more reliable than the use of apparently physically-based errors.Finally, increasing the European atmospheric network density improves thearea with significant error reduction in the flux retrieval.
机译：在贝叶斯框架内，开发了一个反演模型，该模型使用来自欧洲站点网络的大气CO观测值来重建欧洲50 km分辨率下的每日CO通量及其不确定性。我们使用伪数据方法，在该方法中，我们尝试使用对输入的一系列扰动来恢复已知通量。在本研究中，重点放在通量精度对逆设置的敏感性上，改变先验通量误差，伪数据误差和测站网络。我们表明，在关于先验误差和数据误差的一系列假设下，我们可以在1000 km和10天的范围内可靠地恢复通量。在较小的比例下，性能对逆设置的细节高度敏感。在通量域中使用时间相关似乎与空间相关具有相同的重要性。我们还注意到，在先验通量误差上使用简单的各向同性相关性比使用基于物理的误差要可靠。最后，增加欧洲大气网络密度可改善区域，并显着减少通量检索中的误差。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号