Organic condensation: a vital link connecting aerosol formation to cloud condensation nuclei (CCN) concentrations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract. Atmospheric aerosol particles influence global climate as well as impair air quality through their effects on atmospheric visibility and human health. Ultrafine (<100 nm) particles often dominate aerosol numbers, and nucleation of atmospheric vapors is an important source of these particles. To have climatic relevance, however, the freshly nucleated particles need to grow in size. We combine observations from two continental sites (Egbert, Canada and Hyytiälä, Finland) to show that condensation of organic vapors is a crucial factor governing the lifetimes and climatic importance of the smallest atmospheric particles. We model the observed ultrafine aerosol growth with a simplified scheme approximating the condensing species as a mixture of effectively non-volatile and semi-volatile species, demonstrate that state-of-the-art organic gas-particle partitioning models fail to reproduce the observations, and propose a modeling approach that is consistent with the measurements. We find that roughly half of the mass of the condensing mass needs to be distributed proportional to the aerosol surface area (thus implying that the condensation is governed by gas-phase concentration rather than the equilibrium vapour pressure) to explain the observed aerosol growth. We demonstrate the large sensitivity of predicted number concentrations of cloud condensation nuclei (CCN) to these interactions between organic vapors and the smallest atmospheric nanoparticles – highlighting the need for representing this process in global climate models.
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.
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 découle