Influence of gas-to-particle partitioning on the hygroscopic and droplet activation behaviour of α-pinene secondary organic aerosol
Notice bibliographique
Résumé
Hygroscopic properties of secondary organic aerosol (SOA) formed by photooxidation of different concentrations (10-27 or 220-270 ppb) of alpha-pinene precursor were investigated at different relative humidities (RH) using a hygroscopicity tandem differential mobility analyzer (HTDMA, RH=95-97%) and using the mobile version of the Leipzig Aerosol Cloud Interaction Simulator (LACIS-mobile, RH=98-99.3%). In addition, the cloud condensation nuclei (CCN) activity was measured applying two CCN counters (CCNC). An apparent single-hygroscopicity parameter, kappa, of approximately 0.09, approximately 0.07-0.13, and approximately 0.02-0.04 was derived from CCNC, HTDMA and LACIS data, respectively, assuming the surface tension of pure water. Closure between HTDMA and CCNC data was achieved within experimental uncertainty, whereas closure between LACIS and CCNC was only achieved by assuming a concentration-dependent surface tension reduction, consequently resulting in lower CCNC-derived kappa values. Comparing different experimental techniques at varying precursor concentrations in more detail reveals further open questions. Varying precursor concentration influences hygroscopic growth factors at subsaturated RH, while it has no effect on the CCN activation. This difference in behaviour might be caused by precursor concentration-dependent surface tension depression or changing droplet solution concentration dependence of the water activity coefficient with varying SOA composition. Furthermore, evidence was found that the SOA might need several seconds to reach the equilibrium growth factor at high RH.
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) | 0,000 | 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 ».