MétaCan
Menu
Retour à la cohorte
Enregistrement W2005488709 · doi:10.1021/es400846d

Indoor Secondary Organic Aerosol Formation Initiated from Reactions between Ozone and Surface-Sorbed <scp>d</scp>-Limonene

2013· article· en· W2005488709 sur OpenAlexaff
Michael S. Waring, Jeffrey A. Siegel

Notice bibliographique

RevueEnvironmental Science & Technology · 2013
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of Texas at AustinNational Science Foundation
Mots-clésAerosolOzoneLimoneneEnvironmental chemistryChemistryEnvironmental scienceOrganic chemistryFood science

Résumé

récupéré en direct d'OpenAlex

Reactions between ozone and terpenoids produce numerous products, some of which may form secondary organic aerosol (SOA). This work investigated the contribution to gas-phase SOA formation of ozone reactions with surface-sorbed D-limonene, which is common indoors. A model framework was developed to predict SOA mass formation because of ozone/terpenoid surface reactions, and it was used with steady state experiments in a 283 L chamber to determine the aerosol mass fraction of SOA resulting from surface reactions, ξs (the ratio of mass of SOA formed and mass of ozone consumed by ozone/terpenoid surface reactions), for ozone/D-limonene reactions on stainless steel. The ξs = 0.70-0.91, with lower relative humidity leading to both higher mass and number formation. Also, surface reactions promoted nucleation more than gas-phase reactions, and number formation due to surface reactions and gas-phase reactions were 126-339 and 51.1-60.2 no./cm(3) per μg/m(3) of formed SOA, respectively. We also used the model framework to predict that indoor spaces in which ozone/D-limonene surface reactions would likely lead to meaningful gas-phase SOA formation are those with surfaces that have low original reactivity with ozone, such as glass, sealed materials, or smooth metals.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,235
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,009
Tête enseignante GPT0,185
Écart entre enseignants0,176 · 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 tête enseignante, pas un consensus.

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

Citations91
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetAtmospheric chemistry and aerosolsTravaux en français237 207