MétaCan
Menu
← Retour à la cohorte
Enregistrement W1988113617 · doi:10.1021/es404002c

Role of Nitrite in the Photochemical Formation of Radicals in the Snow

2013· article· en· W1988113617 sur OpenAlexaff
Hans‐Werner Jacobi, Jörg Kleffmann, Guillermo Villena, Peter Wiesen, Martin D. King, James L. France, Cort Anastasio, Ralf M. Staebler

Notice bibliographique

RevueEnvironmental Science & Technology · 2013
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesNatural Environment Research CouncilSight Research UK
Mots-clésNitriteSnowNitrateChemistryNitrous acidEnvironmental chemistryReactive nitrogenRadicalNitrogenAtmosphere (unit)PhotochemistryHydrogen peroxidePhotodissociationInorganic chemistryMeteorologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Photochemical reactions in snow can have an important impact on the composition of the atmosphere over snow-covered areas as well as on the composition of the snow itself. One of the major photochemical processes is the photolysis of nitrate leading to the formation of volatile nitrogen compounds. We report nitrite concentrations determined together with nitrate and hydrogen peroxide in surface snow collected at the coastal site of Barrow, Alaska. The results demonstrate that nitrite likely plays a significant role as a precursor for reactive hydroxyl radicals as well as volatile nitrogen oxides in the snow. Pollution events leading to high concentrations of nitrous acid in the atmosphere contributed to an observed increase in nitrite in the surface snow layer during nighttime. Observed daytime nitrite concentrations are much higher than values predicted from steady-state concentrations based on photolysis of nitrate and nitrite indicating that we do not fully understand the production of nitrite and nitrous acid in snow. The discrepancy between observed and expected nitrite concentrations is probably due to a combination of factors, including an incomplete understanding of the reactive environment and chemical processes in snow, and a lack of consideration of the vertical structure of snow.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,178
Écart entre enseignants0,174 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & Technology→Même sujetAtmospheric chemistry and aerosols→Travaux en français237 207→