Ice nucleation activity of bacteria isolated from snow compared with organic and inorganic substrates
Notice bibliographique
Résumé
Environmental context. Biological ice nucleators have been found to freeze water at very warm temperatures. The potential of bio-aerosols to greatly influence cloud chemistry and microphysics is becoming increasingly apparent, yet detailed knowledge of their actual role in atmospheric processes is lacking. The formation of ice in the atmosphere has significant local, regional and global influence, ranging from precipitation to cloud nucleation and thus climate. Ice nucleation tests on bacteria isolated from snow and laboratory-grown bacteria, in comparison with those of known organic and inorganic aerosols, shed light on this issue. Abstract. Ice nucleation experiments on bacteria isolated from snow as well as grown in the laboratory, in comparison with those of known organic and inorganic aerosols, examined the importance of bio-aerosols on cloud processes. Snow samples were collected from urban and suburban sites in the greater Montreal region in Canada (45°28'N, 73°45'W). Among many snow bacterial isolates, eight types of bacterial species, none belonging to known effective ice nucleators such as Pseudomonas or Erwinia genera, were identified to show an intermediate range of ice nucleation activity (–12.9 ± 1.3°C to –17.5 ± 2.8°C). Comparable results were also obtained for molten snow samples and inorganic suspensions (kaolin and montmorillonite) of buffered water solutions. The presence of organic molecules (oxalic, malonic and succinic acids) had minimal effect (<2°C) on ice nucleation. Considering experimental limitations, and drawing from observation in snow samples of a variety of bacterial populations with variable ice-nucleation ability, a shift in airborne-species population may significantly alter glaciation processes in clouds.
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 | 0,000 |
| 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) | 0,010 | 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 ».