MétaCan
Menu
← Retour à la cohorte
Enregistrement W4251691962 · doi:10.5194/acp-2019-470

Dimethyl sulfide and its role in aerosol formation and growth in the Arctic summer – a modelling study

2019· preprint· en· W4251691962 sur OpenAlexaffabout
Roya Ghahreman, Wanmin Gong, Martí Galí, Ann‐Lise Norman, S. R. Beagley, Ayodeji Akingunola, Qiong Zheng, Alexandru Lupu, Martine Lizotte, Maurice Levasseur, W. Richard Leaitch

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensUniversity of CalgaryUniversité LavalEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésDimethyl sulfideAerosolBayArcticSulfateSulfate aerosolEnvironmental scienceClimatologyAtmospheric sciencesDimethylsulfoniopropionateAtmosphere (unit)OceanographyMeteorologySulfurChemistryGeographyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract. Atmospheric dimethyl sulfide, DMS(g), is a climatically important sulfur compound and is the main source of biogenic sulfate aerosol in the Arctic atmosphere. DMS(g) production and emission to the atmosphere increase during the summer due to greater ice-free sea surface and higher biological activity. We implemented DMS(g) in the GEM-MACH model (GEM: Global Environmental Multiscale – Environment and Climate Change Canada's (ECCC) numerical weather forecast model, MACH: ECCC's Modelling Air quality and CHemistry – chemistry and aerosol microphysics) for the Arctic region, and compared model simulations with DMS(g) measurements made in Baffin Bay and the Canadian Arctic Archipelago in July and August 2014. Two sea water DMS(aq) datasets were used as input to the simulations: (1) DMS(aq) climatology dataset based on seawater concentration measurements (Lana et al., 2011) and (2) DMS(aq) dataset based on satellite detection (Galí et al., 2018). In general, GEM-MACH simulations underpredict DMS(g) measurements, likely due to negative biases in both DMS(aq) datasets. Yet, higher correlation and smaller bias were obtained with the satellite dataset. Agreement with the observations improved by replacing climatological values with in situ measured DMS(aq) concurrently with atmospheric observations over Baffin Bay and Lancaster Sound area in July 2014. The addition of DMS(g) to the GEM-MACH model resulted in a significant increase in atmospheric SO2 for some regions in the Canadian Arctic (up to 100 %). Analysis of the size-segregated sulfate aerosol in the model shows that a significant increase in sulfate mass occurs for particles with a diameter smaller than 200 nm due to formation and growth of biogenic aerosol at high latitudes (> 70° N). The enhancement in sulfate particles is most significant in the size range of 50 to 100 nm, however, this enhancement is stronger in the 200–1000 nm size range at lower latitudes (

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,259
Score d'incertitude au seuil0,515

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,027
Tête enseignante GPT0,229
Écart entre enseignants0,202 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetAtmospheric chemistry and aerosols→Travaux en français237 207→