MétaCan
Menu
Retour à la cohorte
Enregistrement W2577437211 · doi:10.1039/c6em00636a

Quantifying the equilibrium partitioning of substituted polycyclic aromatic hydrocarbons in aerosols and clouds using COSMOtherm

2017· article· en· W2577437211 sur OpenAlexafffund
Boluwatife Awonaike, Chen Wang, Kai‐Uwe Goss, Frank Wania

Notice bibliographique

RevueEnvironmental Science Processes & Impacts · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensThe Scarborough HospitalUniversity of TorontoToronto Public Health
Organismes subventionnairesEnvironment and Climate Change CanadaUniversity of Cambridge
Mots-clésEnvironmental chemistryChemistryPolycyclic aromatic hydrocarbonEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Functional groups attached to polycyclic aromatic hydrocarbons (PAHs) can significantly modify the environmental fate of the parent compound. Equilibrium partition coefficients, which are essential for describing the environmental phase distribution of a compound, are largely unavailable for substituted PAHs (SPAHs). Here, COSMOtherm, a software based on quantum-chemical calculations is used to estimate the atmospherically relevant partition coefficients between the gas phase, the aqueous bulk phase, the water surface and the water insoluble organic matter phase, as well as the salting-out coefficients, for naphthalene, anthracene, phenanthrene, benz(a)anthracene, benzo(a)pyrene and dibenz(a,h)anthracene and 62 of their substituted counterparts. They serve as input parameters for the calculation of equilibrium phase distribution of these compounds in aerosols and clouds. Our results, which were compared with available experimental data, show that the effect of salts, the adsorption to the water surface and the dissolution in a bulk aqueous phase can be safely neglected when estimating the gas-particle partitioning of SPAHs in aerosols. However, for small PAHs with more than one polar functional group the aqueous phase can be the dominant reservoir in a cloud.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,134
Score d'incertitude au seuil0,639

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0000,001
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 Opus0,033
Tête enseignante GPT0,265
Écart entre enseignants0,231 · 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'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

Citations7
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science Processes & ImpactsMême sujetAtmospheric chemistry and aerosolsTravaux en français237 207