XiaoMi-AI文件搜索系统
World File Search System系统模型
在GISS Modele地球系统模型中对大气棕色碳进行建模
摘要。Brown carbon (BrC) is an absorbing organic aerosol (OA), primarily emitted through biomass burn- ing (BB), which exhibits light absorption unique to both black carbon (BC) and other organic aerosols.Despite many field and laboratory studies seeking to constrain BrC properties, the radiative forcing (RF) of BrC is still highly uncertain.To better understand its climate impact, we introduced BrC to the One-Moment Aerosol (OMA) module of the GISS ModelE Earth system model (ESM).We assessed ModelE sensitivity to primary BrC processed through a novel chemical aging scheme and to secondary BrC formed from biogenic volatile organic compounds (BVOCs).初始结果表明，BRC通常贡献0.04 Wm-2的辐射效应最高的辐射效应。Sensitivity tests indicate that explicitly simulating BrC (separating it from other OAs), including secondary BrC, and simulating chemical bleaching of BrC contribute distinguishable radiative effects and should be accounted for in BrC schemes.This addition of prognostic BrC to ModelE allows greater physical and chemical complexity in OA representation with no apparent trade-off in model performance, as the evaluation of ModelE aerosol optical depth against Aerosol Robotic Network (AERONET) and Moderate Res- olution Imaging Spectroradiometer (MODIS) retrieval data, with and without the BrC scheme, reveals similar skill in both cases.Thus, BrC should be explicitly simulated to allow more physically based chemical compo- sition, which is crucial for more detailed OA studies like comparisons to in situ measurement campaigns.我们在本文结尾的Modele内包含了BRC代表的最佳实践摘要。
与模型相关的结果差异在具有扇区耦合的功率系统模型 - 量化和驱动器
德国航空航天中心（DLR），网络能源系统研究所，象征者。4, 70563 Stuttgart, Germany b Stuttgart Research Initiative on Integrated Systems Analysis for Energy (STRise), Keplerstraße 7, 70174 Stuttgart, Germany c German Institute for Economic Research (DIW Berlin), Mohrenstraße 58, 10117 Berlin, Germany d Research Center for Energy Economics (FfE), Am Bl¨utenanger 71, 80995 Munchen，德国E Reiner Lemoine Institute，Rudower Chaussee 12，12389柏林，德国柏林F学院高压设备和电网研究所，数字化和能源经济学，数字化和能源经济学（IAEW），RWTH AACHEN大学，Schinkelstraße6 52056 Aachen，德国ACHEN，DEMACHINCE ISACE ISACHENICERIADS ACHENICTION for POLIVERINGIAL POLESICTIST和ELECTRIVE） J¨agerstraße 17-19, 52066 Aachen, Germany h Institute for Power Generation and Storage Systems (PGS), E.ON ERC, RWTH Aachen University, Mathieustraße 10, 52074 Aachen, Germany i J¨ulich Aachen Research Alliance, JARA-Energy j Chair for Management Science and Energy Economics (EWL), University of Duisburg-Essen, Universit¨atsstr.11，45117德国埃森K能源经济学与理性能源使用研究所（IER），斯图加特大学，Heßbréuhlstraße49a，70565德国斯图加特，德国
将气候压力源与生态系统模型中的生态过程联系起来，以及来自阿拉斯加湾的案例研究
1 美国华盛顿大学，西雅图，华盛顿州西雅图市98195，美国2阿拉斯加渔业科学中心，国家海洋和大气管理局，西雅图，西雅图，西雅图，98115，美国西北渔业科学中心，国家海洋和大气管理局，美国西部地区，西特，西雅图市，澳大利亚4112，美国，美国国家海洋和大气部，4。澳大利亚塔斯马尼亚州霍巴特，塔斯马尼亚州霍巴特，TAS 7001 6北太平洋研究委员会，AK 99501，美国7环境防御基金，西雅图，西雅图，华盛顿州98112，美国8合作社气候研究所，海洋和生态系统研究，海洋和生态系统研究，华盛顿大学，西雅图大学，西雅图，西雅图，西雅图，西澳州98105，美国98105，美国国家环境实验室。美国加利福尼亚大学圣克鲁斯大学海洋科学渔业合作计划，美国115060，美国11海洋伙伴，Inc。，与西北渔业科学中心，国家海洋和大气管理局，西雅图市西雅图市，华盛顿州西雅图市98112，美国西雅图市，美国西雅图市，美国西特，12 12 12日，美国西部，西特，西雅图，华盛顿州西雅图市98101，美国13号，美国13.美国13.13访问。 西北渔业科学中心，国家海洋与大气管理局，西雅图，华盛顿州98112，美国14美国海洋与渔业研究所美国华盛顿大学，西雅图，华盛顿州西雅图市98195，美国2阿拉斯加渔业科学中心，国家海洋和大气管理局，西雅图，西雅图，西雅图，98115，美国西北渔业科学中心，国家海洋和大气管理局，美国西部地区，西特，西雅图市，澳大利亚4112，美国，美国国家海洋和大气部，4。澳大利亚塔斯马尼亚州霍巴特，塔斯马尼亚州霍巴特，TAS 7001 6北太平洋研究委员会，AK 99501，美国7环境防御基金，西雅图，西雅图，华盛顿州98112，美国8合作社气候研究所，海洋和生态系统研究，海洋和生态系统研究，华盛顿大学，西雅图大学，西雅图，西雅图，西雅图，西澳州98105，美国98105，美国国家环境实验室。美国加利福尼亚大学圣克鲁斯大学海洋科学渔业合作计划，美国115060，美国11海洋伙伴，Inc。，与西北渔业科学中心，国家海洋和大气管理局，西雅图市西雅图市，华盛顿州西雅图市98112，美国西雅图市，美国西雅图市，美国西特，12 12 12日，美国西部，西特，西雅图，华盛顿州西雅图市98101，美国13号，美国13.美国13.13访问。 西北渔业科学中心，国家海洋与大气管理局，西雅图，华盛顿州98112，美国14美国海洋与渔业研究所美国华盛顿大学，西雅图，华盛顿州西雅图市98195，美国2阿拉斯加渔业科学中心，国家海洋和大气管理局，西雅图，西雅图，西雅图，98115，美国西北渔业科学中心，国家海洋和大气管理局，美国西部地区，西特，西雅图市，澳大利亚4112，美国，美国国家海洋和大气部，4。澳大利亚塔斯马尼亚州霍巴特，塔斯马尼亚州霍巴特，TAS 7001 6北太平洋研究委员会，AK 99501，美国7环境防御基金，西雅图，西雅图，华盛顿州98112，美国8合作社气候研究所，海洋和生态系统研究，海洋和生态系统研究，华盛顿大学，西雅图大学，西雅图，西雅图，西雅图，西澳州98105，美国98105，美国国家环境实验室。美国加利福尼亚大学圣克鲁斯大学海洋科学渔业合作计划，美国115060，美国11海洋伙伴，Inc。，与西北渔业科学中心，国家海洋和大气管理局，西雅图市西雅图市，华盛顿州西雅图市98112，美国西雅图市，美国西雅图市，美国西特，12 12 12日，美国西部，西特，西雅图，华盛顿州西雅图市98101，美国13号，美国13.美国13.13访问。 西北渔业科学中心，国家海洋与大气管理局，西雅图，华盛顿州98112，美国14美国海洋与渔业研究所美国华盛顿大学，西雅图，华盛顿州西雅图市98195，美国2阿拉斯加渔业科学中心，国家海洋和大气管理局，西雅图，西雅图，西雅图，98115，美国西北渔业科学中心，国家海洋和大气管理局，美国西部地区，西特，西雅图市，澳大利亚4112，美国，美国国家海洋和大气部，4。澳大利亚塔斯马尼亚州霍巴特，塔斯马尼亚州霍巴特，TAS 7001 6北太平洋研究委员会，AK 99501，美国7环境防御基金，西雅图，西雅图，华盛顿州98112，美国8合作社气候研究所，海洋和生态系统研究，海洋和生态系统研究，华盛顿大学，西雅图大学，西雅图，西雅图，西雅图，西澳州98105，美国98105，美国国家环境实验室。美国加利福尼亚大学圣克鲁斯大学海洋科学渔业合作计划，美国115060，美国11海洋伙伴，Inc。，与西北渔业科学中心，国家海洋和大气管理局，西雅图市西雅图市，华盛顿州西雅图市98112，美国西雅图市，美国西雅图市，美国西特，12 12 12日，美国西部，西特，西雅图，华盛顿州西雅图市98101，美国13号，美国13.美国13.13访问。西北渔业科学中心，国家海洋与大气管理局，西雅图，华盛顿州98112，美国14美国海洋与渔业研究所
概念证明：使用Chatgpt将地球系统模型从Fortran转换为Python/jax
地球系统模型（ESM）对于理解过去，现在和未来的气候至关重要，但它们遭受了旧式技术基础设施的困扰。ESM主要在Fortran中实施，该语言为早期职业科学家带来了很高的入境障碍，并且缺乏GPU运行时，随着GPU功率的增加和CPU缩放缩放的速度，这对于继续前进至关重要。fortran也缺乏可不同的性能 - 通过数值代码区分的能力 - 可以实现整合机器学习方法的混合模型。将ESM从Fortran转换为Python/JAX可以解决这些问题。这项工作提出了一种半自动化的方法，该方法使用大语言模型（GPT-4）将单个模型组件从Fortran转换为Python/Jax。通过从社区地球系统模型（CESM）中转换光合作用模型，我们证明了Python/JAX版本使用GPU并行化最多可快速运行时间，并通过自动差异启用参数估计。Python代码也易于阅读和运行，教室的讲师可以使用。这项工作说明了通往快速，包容和可区分气候模型的最终目标的途径。
电动道路系统对德国和瑞典电力系统的影响 - 能源系统模型比较
这项研究分析了运输部门电力的影响，涉及静态充电和电动道路系统（ERS）对瑞典和德国电力系统的影响。通过比较两个模型包的结果来研究对大型ER的电力系统的影响：1）由电力系统投资模型（ELIN）和电力系统调度模型（EPOD）组成的建模包； 2）能源系统投资和调度模型（范围）。对两个型号软件包运行相同的方案，并比较ER的结果。建模结果表明，大规模实施ERS引起的额外电力负载主要取决于模型和场景，这是由瑞典风力发电（40 - 100％）的投资（20 - 75％）和德国的太阳能（40-100-100％）所遇到的。这项研究还得出结论，ERS增加了电力系统中的峰值功率需求（即净负荷）。因此，在使用ERS时，需要在峰值电源单位和存储技术上进行额外的投资，以满足这种新负载。与ERS相比，其他电力负载的明智集成，例如在乘用车的家用位置优化静态充电，也可以促进在包括ERS在内的电力系统中充分利用可再生用电。不同模型的结果之间的比较表明，假设和方法论选择决定了哪种类型的投资（例如，风，太阳能和热电厂），以涵盖使用ERS引起的电力需求。尽管如此，在所有情况下，模型包的投资都会增加太阳能（德国）和风能（瑞典）的投资，以涵盖ERS的新电力需求。
能源百亿亿次地球系统模型 (E3SM) 1.0 版中的大气河流表示
摘要：能源百亿亿次地球系统模型 (E3SM) 项目是由美国能源部 (DOE) 开发的一项正在进行的、最先进的地球系统建模、模拟和预测项目。由于重点支持 DOE 的能源使命，了解和量化该模型模拟水循环过程的效果尤为重要。在这里，我们评估了 E3SM 1.0 版 (v1.0) 表示大气河流 (AR) 的能力，大气河流在水蒸气输送和降水中发挥着重要作用。将标准分辨率 (1 ◦ × 1 ◦ ) 下 E3SM 中与全球 AR 相关的特征和降水与现代时代回顾性研究和应用分析第 2 版 (MERRA2) 进行了比较。 E3SM 中的 AR 频率全球模式与 MERRA2 具有高度相关度（≥ 0.97），且年度、季度和不同集合成员之间的平均绝对误差（MAE；< 1%）较低。然而，存在一些大尺度条件偏差，导致 AR 偏差——其中最显著的是双热带辐合带 (ITCZ)、北半球和南半球冬季更强和/或向赤道方向移动的副热带急流，以及夏季北半球西风增强。通过比较仅大气和完全耦合的模拟，我们将偏差的来源归因于大气成分或耦合响应。使用 Dong 等人揭示的关系。 （2021），我们提供了证据表明，冬季北太平洋急流增强，夏季北半球西风增强，分别与E3SM的双ITCZ和相关的较弱的大西洋经向翻转环流（AMOC）有关，
改进的基本站电源系统模型，用于光伏和储能系统的最佳能力计划
摘要：5G基站的广泛安装引起了显着的能源消耗激增，以及与达到碳中立性的相结合的情况。众多研究表明，分布式光伏（PV）和储能系统（ESS）的掺入是一种有效的措施，可减少实用性网格中的能源消耗。根据当地条件对PV和ESS设置的优化对基地电源系统的经济和生态益处有直接影响。在本文中提出了改进的基站电源系统模型，该模型考虑到转换器的行为。通过此，确定了考虑经济和生态因素的多方面评估标准。然后，实现了多种情况下基站的PV和ESS容量优化。案例研究表明，PV和ESS的优化过程受到转换器的行为的影响。
电力系统模型中存储扩展规划中时间复杂性降低技术的评估
摘要：由于可再生能源发电广泛分布且受天气影响，可再生能源份额不断增长，使得电力系统模型中的功率流优化在计算上更加复杂。本文评估了两种降低具有存储扩展规划的输电网模型时间复杂性的方法。减少技术的目标是加速电网模型的线性最优功率流计算。这是通过选择少量代表性时间段来代表一整年来实现的。为了选择代表性时间段，使用层次聚类将按时间顺序相邻的小时或独立分布的耦合天聚合成时间序列聚类。通过目标值的误差和计算时间减少来评估聚合效率。此外，还分析了网络规模和并行计算效率对优化过程的影响。作为一个测试案例，考虑了德国最北部的石勒苏益格-荷尔斯泰因州的输电网，其情景对应于 2035 年。所考虑的情景的特点是安装的可再生能源份额很高。
卫生系统模型用于农村和偏远地区的慢性疾病二级预防 - 慢性病健康路
目标。心脏康复（CR）为患有心脏病（HD）患者（客户）的人提供了基于证据的次要预防。尽管HD是死亡率和发病率的主要原因，但CR在澳大利亚的利用不足。这项研究调查了改善北昆士兰州农村和偏远地区（NQ）的CR进入的医疗系统。方法。进行了一个质性的案例研究系列，以审查NQ农村和偏远地区CR的管理系统。数据收集是通过四家三级医院和四个农村或偏远社区的半结构化访谈进行的。完成了对出院计划和CR转诊的审核，以及对基于社区卫生服务的审查。迭代和共同设计的过程，包括与医疗保健人员和社区成员进行协商，最终以基于系统的模型，以改善农村和偏远地区的CR访问权限。结果。有组织的CR系统，客户/员工对出院计划的不良理解以及二级预防的转介率低，尽管有资源可用，但大多数客户仍未获得二级预防。建议对拟议的心脏：通往卫生模型的道路进行修订的卫生系统和管理过程，并鉴于常见的慢性疾病风险因素，建议将其扩展到慢性病：健康之路。结论。一种慢性疾病：通往卫生模型的道路可以为农村和偏远地区的慢性疾病患者提供有效，有效的次要预防。建议这种方法可以减少当前医疗服务中的差距和重复，并提供灵活的，以客户为中心，整体，文化响应式服务，并改善客户的成果。