Cooking, Bleach Cleaning, and Air Conditioning Strongly Impact Levels of HONO in a House
Notice bibliographique
Résumé
Abstract The relative importance of common activities on indoor nitrous acid (HONO) mixing ratios was explored during high time resolution, month-long measurements by chemical ionization mass spectrometry in a previously unoccupied house. Indoor HONO varied from 0.2 to 84.0 ppb (mean: 5.5 ppb; median 3.8 ppb), an order of magnitude higher than simultaneously measured outdoor values, indicating important indoor sources. They agree well with simultaneous measurements of HONO by Laser-Photofragmentation/Laser-Induced Fluorescence. Before any combustion activities, the mixing ratio of 3.0 ± 0.3 ppb is indicative of secondary sources such as multiphase formation from NO2. Cooking (with propane gas), especially the use of an oven, led to significant enhancements up to 84 ppb, with elevated mixing ratios persisting for a few days due to slow desorption from indoor surface reservoirs. Floor bleach cleaning led to prolonged, substantial decreases of up to 71–90% due to reactive processes. Air conditioning modulated HONO mixing ratios driven by condensation to wet surfaces in the AC unit. Enhanced ventilation also significantly lowered mixing ratios. Other conditions including human occupancy, ozone addition, and cleaning with terpene, natural product, and vinegar cleaners had a much smaller influence on HONO background levels measured following these activities.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 0,000 |
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.
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».