MétaCan
Menu
← Retour à la cohorte
Enregistrement W4242538741 · doi:10.5194/acp-2018-1367

Impact of particle number and mass size distributions of major chemical components on particle mass scattering efficiency in urban Guangzhou of South China

2019· preprint· en· W4242538741 sur OpenAlexaff
Jun Tao, Zhisheng Zhang, Yunfei Wu, Leiming Zhang, Zhijun Wu, Peng Cheng, Mei Li, Laiguo Chen, Renjian Zhang, Junji Cao

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésParticle sizeParticle (ecology)CondensationParticle-size distributionMass concentration (chemistry)Chemical compositionRange (aeronautics)Analytical Chemistry (journal)ScatteringTotal organic carbonMass fractionChemistryMaterials scienceEnvironmental chemistryMeteorologyPhysicsPhysical chemistryComposite materialGeologyOpticsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract. To grasp the key factors affecting particle mass scattering efficiency (MSE), particle mass and number size distribution, bulk PM2.5 and PM10 and their major chemical compositions, and particle scattering coefficient (bsp) under dry condition were measured at an urban site in Guangzhou, south China during 2015–2016. On annual average, 10 ± 2 %, 48 ± 7 % and 42 ± 8 % of PM10 mass were in the condensation, droplet and coarse modes, with mass median aerodynamic diameters (MMADs) of 0.21 ± 0.00, 0.78 ± 0.07 and 4.57 ± 0.42 μm, respectively. The identified chemical species mass concentrations can explain 79 ± 3 %, 82 ± 6 % and 57 ± 6 % of the total particle mass in the condensation, droplet and coarse mode, respectively. Organic matter (OM) and elemental carbon (EC) in the condensation mode, OM, (NH4)2SO4, NH4NO3 and crustal element oxides in the droplet mode, and crustal element oxides, OM and CaSO4 in the coarse mode were the dominant chemical species in their respective modes. The measured bsp can be reconstructed to the level of 91 ± 10 % using Mie theory with input of the estimated chemically-resolved number concentrations of NaCl, NaNO3, Na2SO4, NH4NO3, (NH4)2SO4, K2SO4, CaSO4, Ca(NO3)2, OM, EC, crustal element oxides and unidentified fraction. MSEs of bulk particle and individual chemical species were underestimated by less than 13 % in any season based on the estimated bsp and chemical species mass concentrations. Seasonal average MSEs varied in a small range of 3.5 ± 0.1 to 3.9 ± 0.2 m2 g−1 for fine particles, which was mainly caused by seasonal variations of the mass fractions and MSEs of OM in the droplet mode.

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 enseignants0,090
Score d'incertitude au seuil0,179

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
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 Opus0,031
Tête enseignante GPT0,312
Écart entre enseignants0,281 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAir Quality and Health Impacts→Travaux en français237 207→