MétaCan
Menu
Retour à la cohorte
Enregistrement W2946363599 · doi:10.5194/acp-19-15691-2019

Wintertime spatial distribution of ammonia and its emission sources in the Great Salt Lake region

2019· article· en· W2946363599 sur OpenAlexaff
Alexander Moravek, J. G. Murphy, Amy Hrdina, John C. Lin, Christopher Pennell, Alessandro Franchin, A. M. Middlebrook, D. L. Fibiger, Caroline C. Womack, Erin E. McDuffie, Randal S. Martin, Kori D. Moore, Munkhbayar Baasandorj, Steven S. Brown

Notice bibliographique

RevueAtmospheric chemistry and physics · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensDalhousie UniversityYork UniversityUniversity of Toronto
Organismes subventionnairesNational Oceanic and Atmospheric AdministrationUtah State University
Mots-clésAerosolParticulatesEnvironmental scienceAtmospheric sciencesAmmoniumTrace gasAir quality indexNitrateEnvironmental chemistryReactive nitrogenSulfateAmmoniaChemistryNitrogenMeteorologyGeologyPhysics

Résumé

récupéré en direct d'OpenAlex

Ammonium-containing aerosols are a major component of wintertime air pollution in many densely populated regions around the world. Especially in mountain basins, the formation of persistent cold-air pools (PCAPs) can enhance particulate matter with diameters less than 2.5 µm (PM 2.5 ) to levels above air quality standards. Under these conditions, PM 2.5 in the Great Salt Lake region of northern Utah has been shown to be primarily composed of ammonium nitrate; however, its formation processes and sources of its precursors are not fully understood. Hence, it is key to understanding the emission sources of its gas phase precursor, ammonia (NH 3 ). To investigate the formation of ammonium nitrate, a suite of trace gases and aerosol composition were sampled from the NOAA Twin Otter aircraft during the Utah Winter Fine Particulate Study (UWFPS) in January and February 2017. NH 3 was measured using a quantum cascade tunable infrared laser differential absorption spectrometer (QC-TILDAS), while aerosol composition, including particulate ammonium ( p NH 4 ), was measured with an aerosol mass spectrometer (AMS). The origin of the sampled air masses was investigated using the Stochastic Time-Inverted Lagrangian Transport (STILT) model and combined with an NH 3 emission inventory to obtain model-predicted NH x (=NH3+pNH4) enhancements. Enhancements represent the increase in NH 3 mixing ratios within the last 24 h due to emissions within the model footprint. Comparison of these NH x enhancements with measured NH x from the Twin Otter shows that modelled values are a factor of 1.6 to 4.4 lower for the three major valleys in the region. Among these, the underestimation is largest for Cache Valley, an area with intensive agricultural activities. We find that one explanation for the underestimation of wintertime emissions may be the seasonality factors applied to NH 3 emissions from livestock. An investigation of inter-valley exchange revealed that transport of NH 3 between major valleys was limited and PM 2.5 in Salt Lake Valley (the most densely populated area in Utah) was not significantly impacted by NH 3 from the agricultural areas in Cache Valley. We found that in Salt Lake Valley around two thirds of NH x originated within the valley, while about 30 % originated from mobile sources and 60 % from area source emissions in the region. For Cache Valley, a large fraction of NO x potentially leading to PM 2.5 formation may not be locally emitted but mixed in from other counties.

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 enseignants0,158
Score d'incertitude au seuil0,314

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
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,007
Tête enseignante GPT0,186
Écart entre enseignants0,180 · 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

Citations32
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

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