MétaCan
Menu
Retour à la cohorte
Enregistrement W2921965667 · doi:10.1029/2019jd030535

Formation and Evolution Mechanisms for Two Extreme Haze Episodes in the Yangtze River Delta Region of China During Winter 2016

2019· article· en· W2921965667 sur OpenAlexaff
Mengmeng Li, Tijian Wang, Min Xie, Shu Li, Bingliang Zhuang, Xin Huang, Pulong Chen, Ming Zhao, Jane Liu

Notice bibliographique

RevueJournal of Geophysical Research Atmospheres · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensUniversity of Toronto
Organismes subventionnairesMinistry of Science and Technology of the People's Republic of ChinaNational Natural Science Foundation of China
Mots-clésHazeSulfateNitrateSulfuric acidStage (stratigraphy)AerosolParticulatesSulfur dioxideEnvironmental chemistryChemistryInorganic ionsEnvironmental scienceInorganic chemistryIonGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Severe haze pollution frequently occurred in China during winter. Mechanisms for the formation and evolution of high PM2.5 (particulate matter with aerodynamic diameter of 2.5 μm or less) episodes, however, remain poorly understood. We characterize two extreme haze episodes in the Yangtze River Delta region of China from 1 to 9 December (Episode I) and 19 to 24 December (Episode II) in 2016 using comprehensive measurements and model analyses. The aqueous sulfur dioxide (SO2) oxidation catalyzed by mineral ions and the heterogeneous uptakes of SO2, sulfuric acid (H2SO4), nitrogen dioxide (NO2), nitrogen trioxide (NO3), nitrogen pentoxide (N2O5), and nitric acid (HNO3) on mineral aerosols are included in the model to better represent the formation of sulfate‐nitrate‐ammonium. The optimized mechanisms substantially improve the simulations of PM2.5 composition, particularly for sulfate and nitrate. The two episodes show different synoptic conditions and evolution stages, with gradual PM2.5 increase under stagnant weather conditions in Episode I (Stage I: Slow Increase Stage, Stage II: Rapid Formation Stage, and Stage III: Dissipation Stage) and with explosive PM2.5 increase mostly associated with cross‐border transport from North China in Episode II (Stage I′: Clean Stage, Stage II′: Fast Transport Stage, and Stage III′: Clear Stage). The concentrations of sulfate‐nitrate‐ammonium increased evidently and became the key components of PM2.5 during haze episodes. The heterogeneous conversion from SO2 to sulfate on mineral aerosols is the main reason for sulfate increase, accounting for more than 50% of sulfate production. This study provides a better understanding of the causes for winter haze in China.

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 enseignants0,082
Score d'incertitude au seuil0,164

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,028
Tête enseignante GPT0,271
Écart entre enseignants0,243 · 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

Citations84
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

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