MétaCan
Menu
Retour à la cohorte
Enregistrement W2735016468

Ice nucleation by surrogates of Martian mineral dust: What can we learn about Mars without leaving Earth?

2013· article· en· W2735016468 sur OpenAlexaff
Daniel J. Cziczo, Sarvesh Garimella, Michael Raddatz, Kristina Hoehler, Martin Schnaiter, Harald Saathoff, O. Moehler, Jonathan P. D. Abbatt, Luis A. Ladino

Notice bibliographique

RevueDSpace@MIT (Massachusetts Institute of Technology) · 2013
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiquePlanetary Science and Exploration
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAtmosphere of MarsMartianMars Exploration ProgramCirrusAstrobiologyAtmospheric sciencesAtmosphere (unit)Ice nucleusIce cloudEnvironmental scienceGeologyNucleationMeteorologyChemistryPhysicsAstronomy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Water and carbon dioxide ice clouds have been observed in the Martian atmosphere where they are dynamic parts of that planet's water and carbon cycles. Many Martian atmospheric models struggle to correctly predict clouds and, with insufficient data, some use untested simplifications that cloud formation occurs exactly at the saturation point of the condensed phase or at the same conditions as terrestrial cirrus clouds. To address the lack of data, we have utilized an 84 m3 cloud chamber built for studies of high altitude cirrus and polar stratospheric ice clouds in the Earth's atmosphere and adapted to Martian conditions. Using this chamber, we have been able to produce water ice clouds from aerosol in an inert and low pressure atmosphere mimicking that of Mars. At temperatures between 189 and 215 K, we investigated cloud formation by mineral dust particulates of a similar composition and size to those found on Mars. We show that these surrogate materials nucleate effectively at the higher temperatures, with minor temperature dependence at saturations ratios with respect to the ice phase of ~1.1, similar to what has been found for terrestrial cirrus. At the lower end of the temperature range, this saturation rises to ~1.9, a result consistent with previous 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 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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,488
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
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 Opus0,009
Tête enseignante GPT0,212
Écart entre enseignants0,203 · 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.

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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDSpace@MIT (Massachusetts Institute of Technology)Même sujetPlanetary Science and ExplorationTravaux en français237 207