MétaCan
Menu
Retour à la cohorte
Enregistrement W2141306952 · doi:10.5194/acp-14-1881-2014

Black carbon emissions from in-use ships: a California regional assessment

2014· article· en· W2141306952 sur OpenAlexafffund
Gina Buffaloe, D. A. Lack, E. J. Williams, D. Coffman, Katherine Hayden, B. M. Lerner, Shao‐Meng Li, I. Nuaaman, P. Massoli, T. B. Onasch, Patricia K. Quinn, Christopher D. Cappa

Notice bibliographique

RevueAtmospheric chemistry and physics · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMaritime Transport Emissions and Efficiency
Établissements canadiensYork UniversityEnvironment and Climate Change Canada
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAustralian GovernmentCalifornia Air Resources BoardNational Oceanic and Atmospheric AdministrationU.S. Environmental Protection Agency
Mots-clésSootEnvironmental scienceCarbon blackAerosolDiesel fuelAtmospheric sciencesMass concentration (chemistry)PlumePhotometerCarbon dioxideCarbon fibersAbsorption (acoustics)MeteorologyAnalytical Chemistry (journal)ChemistryEnvironmental chemistryCombustionMaterials scienceOpticsGeologyGeographyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract. Black carbon (BC) mass emission factors (EFBC; g BC (kg fuel)−1) from a variety of ocean-going vessels have been determined from measurements of BC and carbon dioxide (CO2) concentrations in ship plumes intercepted by the R/V Atlantis during the 2010 California Nexus (CalNex) campaign. The ships encountered were all operating within 24 nautical miles of the California coast and were utilizing relatively low sulphur fuels (average fuel sulphur content of 0.4%, 0.09% and 0.03% for vessels operating slow-speed, medium-speed and high-speed diesel engines, respectively). Black carbon concentrations within the plumes, from which EFBC values are determined, were measured using four independent instruments: a photoacoustic spectrometer and a particle soot absorption photometer, which measure light absorption, and a single particle soot photometer and soot particle aerosol mass spectrometer, which measure the mass concentration of refractory BC directly. These measurements have been used to assess the level of agreement between these different techniques for the determination of BC emission factors from ship plumes. Also, these measurements greatly expand upon the number of individual ships for which BC emission factors have been determined during real-world operation. The measured EFBC's have been divided into vessel type categories and engine type categories, from which averages have been determined. The geometric average EFBC (excluding outliers) determined from over 71 vessels and 135 plumes encountered was 0.31 ± 0.31 g BC (kg fuel)−1, where the standard deviation represents the variability between individual vessels. The most frequent engine type encountered was the slow-speed diesel (SSD), and the most frequent SSD vessel type was the cargo ship sub-category. Average and median EFBC values from the SSD category are compared with previous observations from the Texas Air Quality Study (TexAQS) in 2006, during which the ships encountered were predominately operating on high-sulphur fuels (average fuel sulphur content of 1.6%). There is a statistically significant difference between the EFBC values from CalNex and TexAQS for SSD vessels and for the cargo and tanker ship types within this engine category. The CalNex EFBC values are lower than those from TexAQS, suggesting that operation on lower sulphur fuels is associated with smaller EFBC values.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,458
Score d'incertitude au seuil0,911

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,009
Tête enseignante GPT0,215
Écart entre enseignants0,206 · 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'étudeObservationnel
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

Citations58
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAtmospheric chemistry and physicsMême sujetMaritime Transport Emissions and EfficiencyTravaux en français237 207