MétaCan
Menu
Retour à la cohorte
Enregistrement W3021980337 · doi:10.1029/2019gl086764

Black Carbon Particles Do Not Matter for Immersion Mode Ice Nucleation

2020· article· en· W3021980337 sur OpenAlexaff
Zamin A. Kanji, André Welti, Joel C. Corbin, A. A. Mensah

Notice bibliographique

RevueGeophysical Research Letters · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensNational Research Council CanadaMétis National Council
Organismes subventionnairesEidgenössische Technische Hochschule ZürichSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen Forschung
Mots-clésSootIce nucleusImmersion (mathematics)NucleationCarbon blackIce crystalsMaterials scienceIce cloudParticle sizeMineralogyClear iceChemical engineeringGeologyChemistryThermodynamicsSea iceComposite materialMeteorologyPhysicsArctic ice packCombustionOpticsOceanographyPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The role of black carbon (BC) in ice crystal formation via immersion freezing relevant for mixed‐phase cloud formation is uncertain. Previous studies report either negligible or significant contributions of BC particles to cloud glaciation via immersion freezing. Despite conflicting evidence, immersion freezing by BC particles is included in several cloud models. Here we show that fossil fuel soot and commercially available hydrocarbon BC is inactive as immersion freezing nuclei for atmospherically relevant particle sizes and surface areas. Instead, temperatures <235 K are necessary for freezing droplets with immersed soot particles, implying homogeneous freezing, rather than immersion freezing by soot. A comparison of the results to previous studies using larger soot aggregates and dust reveals the ineffectiveness of soot as immersion ice nucleating particles. We conclude that soot particles with properties like those investigated here can be neglected for simulating ice nucleation in mixed‐phase clouds.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,704
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,286
Écart entre enseignants0,245 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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

Citations127
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetAtmospheric chemistry and aerosolsTravaux en français237 207