Laboratory investigation of photochemical oxidation of organic aerosol from wood fires 2: analysis of aerosol mass spectrometer data
Notice bibliographique
Résumé
Abstract. Experiments were conducted to investigate the effects of photo-oxidation on organic aerosol (OA) in dilute wood smoke by exposing emissions from soft- and hard-wood fires to UV light in a smog chamber. This paper focuses on changes in OA composition measured using a unit-mass-resolution quadrupole Aerosol Mass Spectrometer (AMS). The results highlight how photochemical processing can lead to considerable evolution of the mass, volatility and level of oxygenation of biomass-burning OA. Photochemical oxidation produced substantial new OA, more than doubling the OA mass after a few hours of aging under typical summertime conditions. Aging also decreased the volatility of the OA and made it progressively more oxygenated. The results also illustrate strengths of, and challenges with, using AMS data for source apportionment analysis. For example, the mass spectra of fresh and aged BBOA are distinct from fresh motor-vehicle emissions. The mass spectra of the secondary OA produced from aging wood smoke are very similar to those of the oxygenated OA (OOA) that dominates ambient AMS datasets, further reinforcing the connection between OOA and OA formed from photo-chemistry. In addition, aged wood smoke spectra are similar to those from OA created by photo-oxidizing dilute diesel exhaust. This demonstrates that the OOA observed in the atmosphere can be produced by photochemical aging of dilute emissions from different types of combustion systems operating on fuels with modern or fossil carbon. Since OOA is frequently the dominant component of ambient OA, the similarity of spectra of aged emissions from different sources represents an important challenge for AMS-based source apportionment studies.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,001 |
| 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) | 0,002 | 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 tête enseignante, 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 ».