Biogenic Sources of Ice Nucleating Particles at the High Arctic Site Villum Research Station
Notice bibliographique
Résumé
The radiative balance in the Arctic region is sensitive to in-cloud processes, which principally depend on atmospheric aerosols, including ice nucleating particles (INPs). High temperature INPs (active at ≥−15 °C) are common in the Arctic. While laboratory and limited in situ studies show that the high-temperature active INPs are associated with bioaerosols and biogenic compounds, there is still little quantitative insight into the Arctic biogenic INPs and bioaerosols. We measured concentrations of bioaerosols, bacteria, and biogenic INPs at the Villum Research Station (VRS, Station Nord) in a large number of snow (15) and air (51) samples. We found that INPs active at high subzero temperatures were present both in spring and summer. Air INP concentrations were higher in summer (18 INP m–3 at ≥−10 °C) than in spring (<4 INP m–3 at ≥−10 °C), when abundant INPs were found in snowfall (1.4 INP mL–1 at ≥−10 °C). Also, in summer, a significantly higher number of microbial and bacterial cells were present compared to the spring. A large proportion (60%–100%) of INPs that were active between −6 °C and −20 °C could be deactivated by heating to 100 °C, which was indicative of their predominantly proteinaceous origin. In addition, there was a significant linear regression between the summer air concentrations of INPs active at ≥−10 °C and air concentrations of bacterial-marker-genes (p < 0.0001, R2 = 0.999, n = 6), pointing at bacterial cells as the source of high-temperature active INPs. In conclusion, the majority of INPs was of proteinaceous, and possibly of bacterial, origin and was found in air during summer and in snowfall during springtime.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».