MétaCan
Menu
Retour à la cohorte
Enregistrement W2612386074 · doi:10.5194/acp-17-11227-2017

Comparative measurements of ambient atmospheric concentrations of ice nucleating particles using multiple immersion freezing methods and a continuous flow diffusion chamber

2017· article· en· W2612386074 sur OpenAlexafffund
Paul J. DeMott, Thomas C. J. Hill, Markus D. Petters, Allan K. Bertram, Yutaka Tobo, Ryan H. Mason, Kaitlyn J. Suski, Christina S. McCluskey, Ezra J. T. Levin, Gregory P. Schill, Yvonne Boose, Anne Marie Rauker, Anna J. Miller, J. Zaragoza, Katherine S. Rocci, Nicholas E. Rothfuss, Hans P. Taylor, John D. Hader, C. Chou, J. A. Huffman, Ulrich Pöschl, A. J. Prenni, Sonia M. Kreidenweis

Notice bibliographique

RevueAtmospheric chemistry and physics · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric aerosols and clouds
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesBiological and Environmental ResearchDivision of Atmospheric and Geospace SciencesUniversity of California, San DiegoNatural Sciences and Engineering Research Council of CanadaNational Park ServiceUniversity of California, DavisU.S. Department of EnergyJapan Society for the Promotion of ScienceNational Institute of Polar ResearchNational Science FoundationNature ConservancyOffice of Science
Mots-clésAerosolIce nucleusImmersion (mathematics)Ambient pressureSupercoolingChemistryEnvironmental scienceMeteorologyAnalytical Chemistry (journal)Atmospheric sciencesNucleationChromatographyMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract. A number of new measurement methods for ice nucleating particles (INPs) have been introduced in recent years, and it is important to address how these methods compare. Laboratory comparisons of instruments sampling major INP types are common, but few comparisons have occurred for ambient aerosol measurements exploring the utility, consistency and complementarity of different methods to cover the large dynamic range of INP concentrations that exists in the atmosphere. In this study, we assess the comparability of four offline immersion freezing measurement methods (Colorado State University ice spectrometer, IS; North Carolina State University cold stage, CS; National Institute for Polar Research Cryogenic Refrigerator Applied to Freezing Test, CRAFT; University of British Columbia micro-orifice uniform deposit impactor–droplet freezing technique, MOUDI-DFT) and an online method (continuous flow diffusion chamber, CFDC) used in a manner deemed to promote/maximize immersion freezing, for the detection of INPs in ambient aerosols at different locations and in different sampling scenarios. We also investigated the comparability of different aerosol collection methods used with offline immersion freezing instruments. Excellent agreement between all methods could be obtained for several cases of co-sampling with perfect temporal overlap. Even for sampling periods that were not fully equivalent, the deviations between atmospheric INP number concentrations measured with different methods were mostly less than 1 order of magnitude. In some cases, however, the deviations were larger and not explicable without sampling and measurement artifacts. Overall, the immersion freezing methods seem to effectively capture INPs that activate as single particles in the modestly supercooled temperature regime (> −20 °C), although more comparisons are needed in this temperature regime that is difficult to access with online methods. Relative to the CFDC method, three immersion freezing methods that disperse particles into a bulk liquid (IS, CS, CRAFT) exhibit a positive bias in measured INP number concentrations below −20 °C, increasing with decreasing temperature. This bias was present but much less pronounced for a method that condenses separate water droplets onto limited numbers of particles prior to cooling and freezing (MOUDI-DFT). Potential reasons for the observed differences are discussed, and further investigations proposed to elucidate the role of all factors involved.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,654
Score d'incertitude au seuil0,734

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 technologies0,0000,001
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 Opus0,035
Tête enseignante GPT0,294
Écart entre enseignants0,260 · 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

Citations112
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAtmospheric chemistry and physicsMême sujetAtmospheric aerosols and cloudsTravaux en français237 207