MétaCan
Menu
Retour à la cohorte
Enregistrement W2775453012 · doi:10.1039/c7em00451f

Is secondary organic aerosol yield governed by kinetic factors rather than equilibrium partitioning?

2017· article· en· W2775453012 sur OpenAlexafffund
Chen Wang, Frank Wania, Kai‐Uwe Goss

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 subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Toronto
Mots-clésAerosolYield (engineering)Atmosphere (unit)Volatility (finance)Particle (ecology)Atmospheric modelsKinetic energyEnvironmental scienceChemistryThermodynamicsPhysicsOrganic chemistryMathematicsEcologyEconometrics

Résumé

récupéré en direct d'OpenAlex

The numerical description of the formation of secondary organic aerosol (SOA) in the atmosphere relies on the use of particle yields, which are often determined in chamber experiments. What is sometimes not appreciated is that such yields (i) can be defined in different ways and (ii) depend on atmospheric conditions. Here we show with the help of hypothetical scenario simulations that the differential SOA yield upon addition of oxidation products to an atmosphere already containing such products and SOA is more relevant in the ambient atmosphere than the commonly used integrative yield from chamber studies. Furthermore, we suggest that the SOA formation scenarios that have been studied so far comprise merely a subset of possible atmospheric situations. In particular, while in the standard scenarios factors such as volatility and aerosol loading are important, scenarios can be envisaged where these factors become less important while the differential yield approaches unity for all oxidation products. Finally, we suggest aerosol growth in the atmosphere should be seen as being determined by a dynamic situation arising from many simultaneously occurring kinetic processes rather than a thermodynamic equilibrium process.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,013
Tête enseignante GPT0,215
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 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'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

Citations6
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

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