MétaCan
Menu
Retour à la cohorte
Enregistrement W4320730282 · doi:10.5194/acp-23-2183-2023

Collective geographical ecoregions and precursor sources driving Arctic new particle formation

2023· article· en· W4320730282 sur OpenAlexfundno aff
James Brean, David C. S. Beddows, Roy M. Harrison, Congbo Song, Peter Tunved, J. Ström, Radovan Krejčí, Eyal Freud, Andreas Maßling, Henrik Skov, Eija Asmi, Angelo Lupi, Manuel Dall’Osto

Notice bibliographique

RevueAtmospheric chemistry and physics · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensnon disponible
Organismes subventionnairesNatural Environment Research CouncilMinisterio de Economía y CompetitividadNaturvårdsverketMinistère de la Défense NationaleKnut och Alice Wallenbergs StiftelseSight Research UK
Mots-clésArcticEnvironmental scienceArctic geoengineeringSnowAtmospheric sciencesParticle (ecology)Sea iceClimatologyPhysical geographyArctic ice packOceanographyGeographyGeologyDrift iceMeteorology

Résumé

récupéré en direct d'OpenAlex

The Arctic is a rapidly changing ecosystem, with complex ice–ocean–atmosphere feedbacks. An important process is new particle formation (NPF), from gas-phase precursors, which provides a climate forcing effect. NPF has been studied comprehensively at different sites in the Arctic, ranging from those in the High Arctic and those at Svalbard to those in the continental Arctic, but no harmonised analysis has been performed on all sites simultaneously, with no calculations of key NPF parameters available for some sites. Here, we analyse the formation and growth of new particles from six long-term ground-based stations in the Arctic (Alert, Villum, Tiksi, Zeppelin Mountain, Gruvebadet, and Utqiaġvik). Our analysis of particle formation and growth rates in addition to back-trajectory analysis shows a summertime maxima in the frequency of NPF and particle formation rate at all sites, although the mean frequency and particle formation rates themselves vary greatly between sites, with the highest at Svalbard and lowest in the High Arctic. The summertime growth rate, condensational sinks, and vapour source rates show a slight bias towards the southernmost sites, with vapour source rates varying by around an order of magnitude between the northernmost and southernmost sites. Air masses back-trajectories during NPF at these northernmost sites are associated with large areas of sea ice and snow, whereas events at Svalbard are associated with more sea ice and ocean regions. Events at the southernmost sites are associated with large areas of land and sea ice. These results emphasise how understanding the geographical variation in surface type across the Arctic is key to understanding secondary aerosol sources and providing a harmonised analysis of NPF across the Arctic.

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)0,001
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 enseignants0,039
Score d'incertitude au seuil0,077

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
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 Opus0,010
Tête enseignante GPT0,199
Écart entre enseignants0,189 · 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

Citations20
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAtmospheric chemistry and physicsMême sujetAtmospheric chemistry and aerosolsTravaux en français237 207