Snow‐borne nanosized particles: Abundance, distribution, composition, and significance in ice nucleation processes
Notice bibliographique
Résumé
Abstract Physicochemical processes of nucleation constitute a major uncertainty in understanding aerosol‐cloud interactions. To improve the knowledge of the ice nucleation process, we characterized physical, chemical, and biological properties of fresh snow using a suite of state‐of‐the‐art techniques based on mass spectrometry, electron microscopy, chromatography, and optical particle sizing. Samples were collected at two North American Arctic sites, as part of international campaigns (2006 and 2009), and in the city of Montreal, Canada, over the last decade. Particle size distribution analyses, in the range of 3 nm to 10 µm, showed that nanosized particles are the most numerous (38–71%) in fresh snow, with a significant portion (11 to 19%) less than 100 nm in size. Particles with diameters less than 200 nm consistently exhibited relatively high ice‐nucleating properties (on average ranged from −19.6 ± 2.4 to −8.1 ± 2.6°C). Chemical analysis of the nanosized fraction suggests that they contain bioorganic materials, such as amino acids, as well as inorganic compounds with similar characteristics to mineral dust. The implication of nanoparticle ubiquity and abundance in diverse snow ecosystems are discussed in the context of their importance in understanding atmospheric nucleation processes.
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 | 0,000 |
| 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) | 0,000 | 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 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 ».