Aerosol–computational fluid dynamics modeling of ultrafine and black carbon particle emission, dilution, and growth near roadways
Notice bibliographique
Résumé
Abstract. Many studies have shown that on-road vehicle emissions are the dominant source of ultrafine particles (UFPs; diameter < 100 nm) in urban areas and near-roadway environments. In order to advance our knowledge on the complex interactions and competition among atmospheric dilution, dispersion, and dynamics of UFPs, an aerosol dynamics–computational fluid dynamics (CFD) coupled model is developed and validated against field measurements. A unique approach of applying periodic boundary conditions is proposed to model pollutant dispersion and dynamics in one unified domain from the tailpipe level to the ambient near-road environment. This approach significantly reduces the size of the computational domain, and therefore allows fast simulation of multiple scenarios. The model is validated against measured turbulent kinetic energy (TKE) and horizontal gradient of pollution concentrations perpendicular to a major highway. Through a model sensitivity analysis, the relative importance of individual aerosol dynamical processes on the total particle number concentration (N) and particle number–size distribution (PSD) near a highway is investigated. The results demonstrate that (1) coagulation has a negligible effect on N and particle growth, (2) binary homogeneous nucleation (BHN) of H2SO4–H2O is likely responsible for elevated N closest to the road, and (3) N and particle growth are very sensitive to the condensation of semi-volatile organics (SVOCs), particle dry deposition, and the interaction between these processes. The results also indicate that, without the proper treatment of the atmospheric boundary layer (i.e., its wind profile and turbulence quantities), the nucleation rate would be underestimated by a factor of 5 in the vehicle wake region due to overestimated dilution. Therefore, introducing atmospheric boundary layer (ABL) conditions to activity-based emission models may potentially improve their performance in estimating UFP traffic emissions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».