Transition metal‐catalyzed oxidation of atmospheric sulfur: Global implications for the sulfur budget
Notice bibliographique
Résumé
We use observations of the oxygen‐17 excess (Δ 17 O) of sulfate in the Arctic to quantify the sulfate source from aqueous SO 2 (S(IV)) oxidation by O 2 catalyzed by transition metals. Due to the lack of photochemically produced OH and H 2 O 2 in high latitudes during winter, combined with high anthropogenic SO 2 emissions in the Northern Hemisphere, oxidation by O 3 is predicted to dominate sulfate formation during winter in this region. However, Δ 17 O measurements of sulfate aerosol collected in Alert, Canada, are not consistent with O 3 as the dominant oxidant and indicate that a S(IV) oxidant with near‐zero Δ 17 O values (O 2 ) is important during winter. We use a global chemical transport model to interpret quantitatively the Alert observations and assess the global importance of sulfate production by Fe(III)‐ and Mn(II)‐catalyzed oxidation of S(IV) by O 2 . We scale anthropogenic and natural atmospheric metal concentrations to primary anthropogenic sulfate and dust concentrations, respectively. The solubility and oxidation state of these metals is determined by cloud liquid water content, source, and sunlight. By including metal‐catalyzed S(IV) oxidation, the model is consistent with the Δ 17 O magnitudes in the Alert data during winter. Globally, we find that this mechanism contributes 9–17% to sulfate production. The inclusion of metal‐catalyzed oxidation does not resolve model discrepancies with surface SO 2 and sulfate observations in Europe. Oxygen isotope measurements of sulfate aerosols collected near anthropogenic and dust sources of metals would help to verify the importance of this sulfur oxidation pathway.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».