Impact of Thermal Decomposition on Thermal Desorption Instruments: Advantage of Thermogram Analysis for Quantifying Volatility Distributions of Organic Species
Notice bibliographique
Résumé
We present results from a high-resolution chemical ionization time-of-flight mass spectrometer (HRToF-CIMS), operated with two different thermal desorption inlets, designed to characterize the gas and aerosol composition. Data from two field campaigns at forested sites are shown. Particle volatility distributions are estimated using three different methods: thermograms, elemental formulas, and measured partitioning. Thermogram-based results are consistent with those from an aerosol mass spectrometer (AMS) with a thermal denuder, implying that thermal desorption is reproducible across very different experimental setups. Estimated volatilities from the detected elemental formulas are much higher than from thermograms since many of the detected species are thermal decomposition products rather than actual SOA molecules. We show that up to 65% of citric acid decomposes substantially in the FIGAERO–CIMS, with ∼20% of its mass detected as gas-phase CO 2, CO, and H 2 O. Once thermal decomposition effects on the detected formulas are taken into account, formula-derived volatilities can be reconciled with the thermogram method. The volatility distribution estimated from partitioning measurements is very narrow, likely due to signal-to-noise limits in the measurements. Our findings indicate that many commonly used thermal desorption methods might lead to inaccurate results when estimating volatilities from observed ion formulas found in SOA. The volatility distributions from the thermogram method are likely the closest to the real distributions.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».