MétaCan
Menu
Retour à la cohorte
Enregistrement W2908996231 · doi:10.5194/acp-19-12209-2019

A large contribution of anthropogenic organo-nitrates to secondary organic aerosol in the Alberta oil sands

2019· article· en· W2908996231 sur OpenAlexaffabout
Alex K. Y. Lee, Max G. Adam, John Liggio, Shao‐Meng Li, Kun Li, Megan D. Willis, Jonathan P. D. Abbatt, Travis W. Tokarek, Charles A. Odame-Ankrah, Hans D. Osthoff, K. B. Strawbridge, J. R. Brook

Notice bibliographique

RevueAtmospheric chemistry and physics · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensUniversity of CalgaryUniversity of TorontoEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésAerosolNOxEnvironmental chemistryEnvironmental scienceParticulatesPlumeNitrateEnvironmental engineeringChemistryMeteorologyCombustion

Résumé

récupéré en direct d'OpenAlex

The oil sands industry in Alberta, Canada, represents a large anthropogenic source of secondary organic aerosol (SOA). Atmospheric emissions from oil sands operations are a complex mixture of gaseous and particulate pollutants. Their interaction can affect the formation and characteristics of SOA during plume dispersion, but their chemical evolution remains poorly understood. Oxidative processing of organic vapours in the presence of NO x can lead to particulate organo-nitrate (pON) formation, with important impacts on the SOA budgets, the nitrogen cycle and human health. We provide the first direct field evidence, from ground- and aircraft-based real-time aerosol mass spectrometry, that anthropogenic pON contributed up to half of SOA mass that was freshly produced within the emission plumes of oil sands facilities. Using a top-down emission-rate retrieval algorithm constrained by aircraft measurements, we estimate the production rate of pON in the oil sands region to be ∼15.5 t d −1 . We demonstrate that pON formation occurs via photo-oxidation of intermediate-volatility organic compounds (IVOCs) in high-NO x environments, providing observational constraints to improve current SOA modelling frameworks. Our ambient observations are supported by laboratory photo-oxidation experiments of IVOCs from bitumen vapours under high-NO x conditions, which demonstrate that pON can account for 30 %–55 % of the observed SOA mass depending on the degree of photochemical ageing. The large contribution of pON to freshly formed anthropogenic SOA illustrates the central role of pON in SOA production from the oil and gas industry, with relevance for other urban and industrial regions with significant anthropogenic IVOC and NO x emissions.

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 enseignants0,224
Score d'incertitude au seuil0,450

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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,004
Tête enseignante GPT0,193
Écart entre enseignants0,189 · 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

Citations27
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAtmospheric chemistry and physicsMême sujetAtmospheric chemistry and aerosolsTravaux en français237 207