MétaCan
Menu
← Retour à la cohorte
Enregistrement W2318673026 · doi:10.5194/acpd-14-12235-2014

Aerosol-CFD modelling of ultrafine and black carbon particle emission, dilution, and growth near roadways

2014· article· en· W2318673026 sur OpenAlexafffund
Lin Huang, Sunling Gong, Mark Gordon, John Liggio, Ralf M. Staebler, Craig Stroud, G. Lu, C. Mihele, Jeffrey R. Brook, Charles Q. Jia

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensUniversity of TorontoEnvironment and Climate Change Canada
Organismes subventionnairesNatural Resources Canada
Mots-clésAerosolUltrafine particleParticle numberNucleationParticle (ecology)TurbulenceDilutionAtmospheric sciencesEnvironmental scienceTurbulence kinetic energyMechanicsMeteorologyComputational fluid dynamicsAtmospheric dispersion modelingChemistryMaterials scienceAir pollutionPhysicsThermodynamicsNanotechnology

Résumé

récupéré en direct d'OpenAlex

Abstract. Many studies have shown that on-road vehicle emissions are the dominant source of ultrafine particles (UFP; diameter < 100 nm) in urban areas and near-roadway environments. In order to advance our knowledge on the complex interactions and competition among atmospheric dilution, dispersion and dynamics of UFPs, an aerosol dynamics-CFD coupled model is developed and validated against field measurements. A unique approach of applying periodic boundary conditions is proposed to model pollutant dispersion and dynamics in one unified domain from the tailpipe level to the ambient near-road environment. This approach significantly reduces the size of the computational domain, and therefore, allows fast simulation of multiple scenarios. The model is validated against measured turbulent kinetic energy (TKE) and pollution gradients near a major highway. Through a model sensitivity analysis, the relative importance of individual aerosol dynamical processes on the total particle number concentration (N) and particle number-size distribution (PSD) near a highway is investigated. The results demonstrate that (1) coagulation has a negligible effect on N and particle growth, (2) binary homogeneous nucleation (BHN) of H2SO4-H2O is likely responsible for elevated N closest to the road, (3) N and particle growth are very sensitive to the condensation of semi-volatile organics (SVOCs), particle dry deposition, and the interaction between these processes. The results also indicate that, without the proper treatment of atmospheric boundary layer (i.e. its wind profile and turbulence quantities), the nucleation rate would be underestimated by a factor of 5 in the vehicle wake region due to overestimated mixing. Therefore, introducing ABL conditions to activity-based emission models may potentially improve their performance in estimating UFP traffic emissions.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,034
Tête enseignante GPT0,248
Écart entre enseignants0,214 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetAir Quality and Health Impacts→Travaux en français237 207→