MétaCan
Menu
← Retour à la cohorte
Enregistrement W2883589975 · doi:10.1029/2018jd028504

Characterization of the Real Part of Dry Aerosol Refractive Index Over North America From the Surface to 12 km

2018· article· en· W2883589975 sur OpenAlexaboutno aff
Abdulmonam M. Aldhaif, Connor Stahl, Rachel A. Braun, Mohammad A. Moghaddam, Taylor Shingler, Ewan Crosbie, Patrícia Sawamura, Hossein Dadashazar, Luke D. Ziemba, J. L. Jiménez, Pedro Campuzano‐Jost, Armin Sorooshian

Notice bibliographique

RevueJournal of Geophysical Research Atmospheres · 2018
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensnon disponible
Organismes subventionnairesOffice of Naval ResearchÖsterreichische ForschungsförderungsgesellschaftNational Aeronautics and Space Administration
Mots-clésAerosolRadiative forcingAtmospheric sciencesEnvironmental scienceAltitude (triangle)Air mass (solar energy)Linear regressionMixing ratioChemistryClimatologyMeteorologyAnalytical Chemistry (journal)MathematicsGeographyPhysicsStatisticsEnvironmental chemistryGeology

Résumé

récupéré en direct d'OpenAlex

Abstract This study reports a characterization of the real part of dry particle refractive index (n) at 532 nm based on airborne measurements over the United States, Canada, the Pacific Ocean, and the Gulf of Mexico from the 2012 Deep Convective Clouds and Chemistry (DC3) and 2013 Studies of Emissions and Atmospheric Composition, Clouds and Climate Coupling by Regional Surveys (SEAC4RS) campaigns. Effectivenvalues are reported, with the limitations and uncertainties discussed. Eight air mass types were identified based on criteria related to gas‐phase tracer concentrations, location, and altitude. Average values ofnfor these air types ranged from 1.50 to 1.53. Values ofnfor the organic aerosol (OA) fraction (nOA) were calculated using a linear mixing rule for each air mass type, with 1.52 shown to be a good approximation for all OA. Case studies detailing vertical structure revealed thatnandnOAincreased with altitude, simultaneous with enhancements in the mass fraction of OA. Values ofnOAwere positively (negatively) correlated with the O:C (H:C) ratio in the absence of biomass burning influence; in contrast, the cumulative data set revealed a slight decrease innOAas a function of the O:C ratio. The performance of parametric (multiple linear regression) and nonparametric (Gaussian process regression) methods in predictingnbased on aerosol composition data is discussed. It is shown that even small perturbations innvalues significantly impact aerosol optical depth retrievals, radiative forcing, and optical sizing instruments, emphasizing the importance of further improving the understanding of this important aerosol property.

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 enseignants0,922
Score d'incertitude au seuil0,154

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 technologies0,0000,000
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 Opus0,023
Tête enseignante GPT0,278
Écart entre enseignants0,255 · 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

Citations56
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research Atmospheres→Même sujetAtmospheric chemistry and aerosols→Travaux en français237 207→