Feldspar minerals as efficient deposition ice nuclei
Notice bibliographique
Résumé
Abstract. Mineral dusts are well known to be efficient ice nuclei, where the source of this efficiency has typically been attributed to the presence of clay minerals such as illite and kaolinite. However, the ice nucleating abilities of the more minor mineralogical components have not been as extensively examined. As a result, the deposition ice nucleation abilities of 24 atmospherically relevant mineral samples have been studied, using a continuous flow diffusion chamber at −40.0 ± 0.3 °C and particles size-selected at 200 nm. By focussing on using the same experimental procedure for all experiments, a relative ranking of the ice nucleating abilities of the samples was achieved. In addition, the ice nucleation behaviour of the pure minerals is compared to that of complex mixtures, such as Arizona Test Dust (ATD) and Mojave Desert Dust (MDD), and to lead iodide, which has been previously proposed for cloud seeding. Lead iodide was the most efficient ice nucleus (IN), requiring a critical relative humidity with respect to ice (RHi) of 122.0 ± 2.0% to activate 0.1% of the particles. MDD (RHi) 126.3 ± 3.4%) and ATD (RHi 129.5 ± 5.1%) have lower but comparable activity. From a set of clay minerals (kaolinite, illite, montmorillonite), non-clay minerals (e.g. hematite, magnetite, calcite, cerussite, quartz), and feldspar minerals (orthoclase, plagioclase) present in the atmospheric dusts, it was found that the feldspar minerals (particularly orthoclase) and some clays (particularly kaolinite) were the most efficient ice nuclei. Orthoclase and plagioclase were found to have critical RHi values of 127.1 ± 6.3% and 136.2 ± 1.3%, respectively. The presence of feldspars (specifically orthoclase) may play a significant role in the IN behaviour of mineral dusts despite their lower percentage in composition relative to clay minerals.
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) | 0,001 | 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 ».