MétaCan
Menu
Retour à la cohorte
Enregistrement W2800637131 · doi:10.1029/2017jd028095

Source Apportionment of Aerosol Ammonium in an Ammonia‐Rich Atmosphere: An Isotopic Study of Summer Clean and Hazy Days in Urban Beijing

2018· article· en· W2800637131 sur OpenAlexaff
Yuepeng Pan, Shili Tian, Dongwei Liu, Yunting Fang, Xiaying Zhu, Meng Gao, Gregory R. Wentworth, Greg Michalski, Xiaojuan Huang, Yuesi Wang

Notice bibliographique

RevueJournal of Geophysical Research Atmospheres · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensAlberta Environment and Protected Areas
Organismes subventionnairesNational Oceanic and Atmospheric AdministrationNational Key Research and Development Program of ChinaCentro Nacional de Investigaciones CardiovascularesNational Natural Science Foundation of China
Mots-clésAerosolHazeAmmoniumEnvironmental scienceEnvironmental chemistryAtmosphere (unit)BeijingAtmospheric sciencesAmmoniaParticle (ecology)ApportionmentChemistryMeteorologyGeologyChinaOceanographyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Aerosol ammonium (NH 4 + ) can be a major component of fine particles, especially during severe haze episodes. The abatement of ammonia (NH 3 ) emissions is important for reducing fine particles, but NH 3 sources remain poorly constrained and are largely unregulated in China and most other regions. This study uses stable isotopes to interpret the role NH 3 sources play in generating different sized NH 4 + aerosols in Beijing between 21 June and 4 July 2013 with fine particle concentrations of 20–242 μg/m 3 . The concentrations and nitrogen stable isotope composition of aerosol NH 4 + (δ 15 N‐NH 4 + ) were both elevated during the five haze episodes that were sampled. These increases were driven by enhancements in the fine mode as opposed to substantial increases in the coarse mode aerosol. After accounting for the isotope fractionation that occurs during gas‐to‐particle partitioning (17.7‰ to 28.2‰), the “initial” (prepartitioning) δ 15 N‐NH 3 values were estimated to be −35‰ for a clean period (i.e., a nonhazy day) and ranged from −14.3‰ to −22.8‰ for hazy days. Source apportionment using the “IsoSources” isotopic mixing model indicated that the dominant contribution to NH 3 shifted from agricultural sources during the clean period (86%) to fossil fuel emissions (54%–81%) during hazy days and when back trajectories rotate from the northwest to the west and/or south. These results together suggest that even in summer, fossil fuel‐related sources from Beijing and the surrounding areas are the major source of NH 3 during haze events and that controlling these sources may be important for alleviating particulate matter pollution.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,040
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
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 Opus0,041
Tête enseignante GPT0,312
Écart entre enseignants0,271 · 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'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

Citations81
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research AtmospheresMême sujetAtmospheric chemistry and aerosolsTravaux en français237 207