MétaCan
Menu
Retour à la cohorte
Enregistrement W2086768532 · doi:10.1021/jp3123314

Can We Model Snow Photochemistry? Problems with the Current Approaches

2013· article· en· W2086768532 sur OpenAlexaff
Florent Dominé, Josué Bock, Didier Voisin, D. J. Donaldson

Notice bibliographique

RevueThe Journal of Physical Chemistry A · 2013
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensUniversity of TorontoThe Scarborough HospitalUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésSnowChemical physicsTroposphereImpurityBrineIce crystalsMaterials scienceChemistryAtmospheric sciencesEnvironmental scienceGeologyMeteorologyOrganic chemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Snow is a very active photochemical reactor that considerably affects the composition and chemistry of the lower troposphere in polar regions. Snow photochemistry models have therefore been recently developed to describe these processes. In all those models, the chemically active medium is a brine formed at the surface of snow crystals by impurities whose presence cause surface melting. Reaction and photolysis rate coefficients are those measured in dilute liquid solutions. Here, we critically examine the basis for these models by considering the structure of ice crystal surfaces, the processes involved in the interactions between impurities and ice crystals, the location of impurities in snow, and the reactivity of impurities in the various media present in snow. We conclude that the brine formed by impurities can only be present in grooves at grain boundaries and cannot cover ice crystal surfaces because of insufficient ice wettability. It is then very likely that most reactions in snow do not take place in liquids, but rather either on an actual ice surface highly different from a liquid or in particulate matter contained in snow, such as organic particles that are thought to contain most snow chromophores. We discuss why some snow models appear to adequately reproduce some observations, concluding that they are insufficiently constrained and that the use of adjustable parameters allows acceptable fits. We discuss the complexity of developing a snow model without adjustable parameters and with a predictive value. We conclude that reaching this goal in the near future is a tremendous challenge. Modeling attempts focused on snow where the impact of organic particles is minimal, such as on the east Antarctic plateau, represents the best chance of midterm success.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,005
Science ouverte0,0040,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,023
Tête enseignante GPT0,199
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 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'étudeThéorique ou conceptuel
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

Citations79
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Physical Chemistry AMême sujetAtmospheric chemistry and aerosolsTravaux en français237 207