MétaCan
Menu
← Retour à la cohorte
Enregistrement W3196465119 · doi:10.14288/1.0401918

Ice nucleating particles in the atmosphere : laboratory and field studies

2021· article· en· W3196465119 sur OpenAlexaffabout
Jingwei Yun

Notice bibliographique

RevuecIRcle (University of British Columbia) · 2021
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésAtmosphere (unit)Field (mathematics)AstrobiologyIce nucleusEnvironmental scienceAtmospheric sciencesMeteorologyGeologyPhysicsNucleationMathematicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

Aerosol particles can indirectly affect climate by acting as ice nucleating particles (INPs). Although INPs are only a small subset of atmospheric particles, they can have a significant impact on the hydrological cycle and climate by initiating ice formation in clouds and by modifying the lifetime and optical properties of clouds. Nevertheless, the properties of atmospheric INPs are not yet fully understood. Two important types of atmospheric INPs are mineral dust and biological particles. This dissertation focuses on these two types of INPs. During atmospheric transport, mineral dust particles can acquire water-soluble coatings, such as coatings containing alkali metal nitrates, inorganic acids, and organic solutes. As a result, the effects of alkali metal nitrates, inorganic acids, polyols, and carboxylic acids on the ice nucleation properties of potassium-rich feldspar (K-feldspar), a type of mineral dust INP in the atmosphere, were examined. In addition, daily INP concentrations at Alert, Nunavut, a ground site in the Canadian High Arctic, were determined for October and November of 2018, and the contribution of mineral dust and biological particles to the total INP population was evaluated for this location and time period. The results in this dissertation improve our understanding of the properties of mineral dust INPs under atmospheric conditions, as well as the concentration, composition, and source of INPs in the Arctic. This information should be useful for global and regional climate models.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,011
Tête enseignante GPT0,177
Écart entre enseignants0,167 · 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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuecIRcle (University of British Columbia)→Même sujetAtmospheric chemistry and aerosols→Travaux en français237 207→