MétaCan
Menu
← Retour à la cohorte
Enregistrement W2118677409 · doi:10.5194/acp-2-215-2002

The impact of multiphase reactions of NO <sub>2</sub> with aromatics: a modelling approach

2002· article· en· W2118677409 sur OpenAlexaff
N. Lahoutifard, Markus Ammann, L. Gutzwiller, Barbara Ervens, C. George

Notice bibliographique

RevueAtmospheric chemistry and physics · 2002
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesCentre National de la Recherche Scientifique
Mots-clésChemistryNitrous acidPhenolBenzeneTolueneAqueous solutionXyleneAqueous two-phase systemNitrogen dioxideReaction mechanismNitriteInorganic chemistryCatalysisOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract. The impact of multiphase reactions involving nitrogen dioxide (NO2) and aromatic compounds was simulated in this study. A mechanism (CAPRAM 2.4, MODAC Mechanism) was applied for the aqueous phase reactions, whereas RACM was applied for the gas phase chemistry. Liquid droplets were considered as monodispersed with a mean radius of 0.1 µm and a liquid content (LC) of 50 µg m-3. The multiphase mechanism has been further extended to the chemistry of aromatics, i.e. reactions involving benzene, toluene, xylene, phenol and cresol have been added. In addition, reaction of NO2 with dissociated hydroxyl substituted aromatic compounds has also been implemented. These reactions proceed through charge exchange leading to nitrite ions and therefore to nitrous acid formation. The strength of this source was explored under urban polluted conditions. It was shown that it may increase gas phase HONO levels under some conditions and that the extent of this effect is strongly pH dependent. Especially under moderate acidic conditions (i.e. pH above 4) this source may represent more than 75% of the total HONO/NO2 - production rate, but this contribution drops down close to zero in acidic droplets (as those often encountered in urban environments).

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0030,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,193
Écart entre enseignants0,181 · 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'étudeSimulation ou modélisation
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

Citations17
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAtmospheric chemistry and physics→Même sujetAtmospheric chemistry and aerosols→Travaux en français237 207→