MétaCan
Menu
Retour à la cohorte
Enregistrement W2921486245 · doi:10.5194/acp-19-9287-2019

On the contribution of nocturnal heterogeneous reactive nitrogen chemistry to particulate matter formation during wintertime pollution events in Northern Utah

2019· article· en· W2921486245 sur OpenAlexaff
Erin E. McDuffie, Caroline C. Womack, D. L. Fibiger, W. P. Dubé, Alessandro Franchin, A. M. Middlebrook, Lexie Goldberger, Ben H. Lee, Joel A. Thornton, Alexander Moravek, J. G. Murphy, Munkhbayar Baasandorj, Steven S. Brown

Notice bibliographique

RevueAtmospheric chemistry and physics · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Oceanic and Atmospheric Administration
Mots-clésParticulatesAerosolNitratePollutionAtmospheric sciencesEnvironmental scienceNocturnalAmmoniumEnvironmental chemistryAmmoniaAir pollutionAmmonium nitrateNitric acidReactive nitrogenChemical transport modelAtmospheric chemistryChemistryNitrogenOzoneGeology

Résumé

récupéré en direct d'OpenAlex

Mountain basins in Northern Utah, including the Salt Lake Valley (SLV), suffer from wintertime air pollution events associated with stagnant atmospheric conditions. During these events, fine particulate matter concentrations (PM 2.5 ) can exceed national ambient air quality standards. Previous studies in the SLV have found that PM 2.5 is primarily composed of ammonium nitrate (NH 4 NO 3 ), formed from the condensation of gas-phase ammonia (NH 3 ) and nitric acid (HNO 3 ). Additional studies in several western basins, including the SLV, have suggested that production of HNO 3 from nocturnal heterogeneous N 2 O 5 uptake is the dominant source of NH 4 NO 3 during winter. The rate of this process, however, remains poorly quantified, in part due to limited vertical measurements above the surface, where this chemistry is most active. The 2017 Utah Winter Fine Particulate Study (UWFPS) provided the first aircraft measurements of detailed chemical composition during wintertime pollution events in the SLV. Coupled with ground-based observations, analyses of day- and nighttime research flights confirm that PM 2.5 during wintertime pollution events is principally composed of NH 4 NO 3 , limited by HNO 3 . Here, observations and box model analyses assess the contribution of N 2 O 5 uptake to nitrate aerosol during pollution events using the NO3- production rate, N 2 O 5 heterogeneous uptake coefficient ( γ (N 2 O 5 )), and production yield of ClNO 2 ( φ (ClNO 2 )), which had medians of 1.6 µg m −3 h −1 , 0.076, and 0.220, respectively. While fit values of γ (N 2 O 5 ) may be biased high by a potential under-measurement in aerosol surface area, other fit quantities are unaffected. Lastly, additional model simulations suggest nocturnal N 2 O 5 uptake produces between 2.4 and 3.9 µg m −3 of nitrate per day when considering the possible effects of dilution. This nocturnal production is sufficient to account for 52 %–85 % of the daily observed surface-level buildup of aerosol nitrate, though accurate quantification is dependent on modeled dilution, mixing processes, and photochemistry.

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 enseignants0,178
Score d'incertitude au seuil0,354

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
Bibliométrie0,0000,000
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 Opus0,004
Tête enseignante GPT0,180
Écart entre enseignants0,176 · 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

Citations75
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

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