MétaCan
Menu
Retour à la cohorte
Enregistrement W2170656341 · doi:10.1002/2015gl063693

Elemental composition of organic aerosol: The gap between ambient and laboratory measurements

2015· article· en· W2170656341 sur OpenAlexaff
Qi Chen, Colette L. Heald, J. L. Jiménez, Manjula R. Canagaratna, Qi Zhang, Ling‐Yan He, Xiaofeng Huang, Pedro Campuzano‐Jost, Brett B. Palm, Laurent Poulain, Mikinori Kuwata, Scot T. Martin, Jonathan P. D. Abbatt, Alex K. Y. Lee, John Liggio

Notice bibliographique

RevueGeophysical Research Letters · 2015
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensEnvironment and Climate Change CanadaUniversity of Toronto
Organismes subventionnairesBiological and Environmental ResearchOffice of ScienceNational Aeronautics and Space AdministrationU.S. Department of EnergyNational Oceanic and Atmospheric AdministrationNational Science Foundation
Mots-clésAerosolCarbon fibersEnvironmental scienceTotal organic carbonEnvironmental chemistryAtmospheric sciencesChemistryMeteorologyMaterials scienceGeologyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract A large data set including surface, aircraft, and laboratory observations of the atomic oxygen‐to‐carbon (O:C) and hydrogen‐to‐carbon (H:C) ratios of organic aerosol (OA) is synthesized and corrected using a recently reported method. The whole data set indicates a wide range of OA oxidation and a trajectory in the Van Krevelen diagram, characterized by a slope of −0.6, with variation across campaigns. We show that laboratory OA including both source and aged types explains some of the key differences in OA observed across different environments. However, the laboratory data typically fall below the mean line defined by ambient observations, and little laboratory data extend to the highest O:C ratios commonly observed in remote conditions. OA having both high O:C and high H:C are required to bridge the gaps. Aqueous‐phase oxidation may produce such OA, but experiments under realistic ambient conditions are needed to constrain the relative importance of this 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,392
Score d'incertitude au seuil0,227

Scores Codex et Gemma par catégorie

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

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 Opus0,083
Tête enseignante GPT0,298
Écart entre enseignants0,215 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations130
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetAtmospheric chemistry and aerosolsTravaux en français237 207