MétaCan
Menu
Retour à la cohorte
Enregistrement W4293831626 · doi:10.1039/d1em00393c

Emerging investigator series: ozone uptake by urban road dust and first evidence for chlorine activation during ozone uptake by agro-based anti-icer: implications for wintertime air quality in high-latitude urban environments

2022· article· en· W4293831626 sur OpenAlexafffund
Maya Abou‐Ghanem, Danial Nodeh-Farahani, Devon T. McGrath, Trevor C. VandenBoer, Sarah A. Styler

Notice bibliographique

RevueEnvironmental Science Processes & Impacts · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensMemorial University of NewfoundlandYork UniversityUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsCanada Foundation for InnovationUniversity of Alberta
Mots-clésOzoneEnvironmental scienceAir quality indexChlorineAtmospheric sciencesLatitudeClimatologyMeteorologyEnvironmental chemistryGeographyChemistryGeology

Résumé

récupéré en direct d'OpenAlex

road salt) and commercial anti-icer solution. Although ozone uptake by pure calcium chloride was negligible, ozone uptake by anti-icer was significant, which implies that the reactivity of anti-icer is conferred by its organic content. Importantly, ozone uptake by anti-icer-and, to a lesser extent, road dust doped with anti-icer-leads to the release of inorganic chlorine gas, which we collected using inline reductive trapping and quantified using ion chromatography. To explain these results, we propose a novel pathway for chlorine activation: here, ozone oxidation of the anti-icer organic fraction (in this case, molasses) yields reactive OH radicals that can oxidize chloride. In summary, this study demonstrates the ability of road dust and anti-icer to influence atmospheric oxidant mixing ratios in cold-climate urban areas, and highlights previously unidentified air quality impacts of winter road maintenance decisions.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
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 enseignants0,394
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,019
Tête enseignante GPT0,249
Écart entre enseignants0,229 · 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'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

Citations2
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science Processes & ImpactsMême sujetAtmospheric chemistry and aerosolsTravaux en français237 207