MétaCan
Menu
← Retour à la cohorte
Enregistrement W4321489842 · doi:10.5194/egusphere-egu23-4129

Anthropogenic aerosols turn liquid cloud droplets into ice crystals, produce snow and eat holes in the clouds

2023· preprint· en· W4321489842 sur OpenAlexaff
Velle Toll, Jorma Rahu, Hannes Keernik, Heido Trofimov, Tanel Voormansik, Peter Manshausen, Emma Hung, Daniel Michelson, Matthew W. Christensen, Piia Post, Heikki Junninen, Ulrike Lohmann, Duncan Watson‐Parris, Philip Stier, Norman Donaldson, Trude Storelvmo, Markku Kulmala, Nicolas Bellouin

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric aerosols and clouds
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésAerosolEnvironmental scienceIce nucleusSnowGlacial periodAtmospheric sciencesClimatologyGeologyMeteorologyGeographyChemistry

Résumé

récupéré en direct d'OpenAlex

Living downwind of a cement-producing or a metallurgical plant could mean you get more snow, fewer clouds and more sunshine compared to nearby areas. We use satellite observations to reveal the glaciation of supercooled stratiform liquid-phase clouds by anthropogenic aerosols acting as ice-nucleating particles. There are strong indications that glaciation is caused by aerosols emitted from oil refineries, coal-fired power plants, cement, metal smelting and processing, chemical plants, and other anthropogenic air pollution sources in Europe, Asia, North America and Australia. Heavily polluted areas derived by simulating aerosol dispersion from strong anthropogenic aerosol point sources overlap with the areas of glaciation, snowfall, and decreased cloud cover strikingly well. Moreover, the polluted areas with decreased cloud cover are plume-shaped, with a distinctive head pointing towards the pollution source, similar to aerosol-polluted cloud tracks in liquid-water clouds (Toll et al 2019 Nature https://doi.org/10.1038/s41586-019-1423-9).Glaciation-induced snowfall downwind of aerosol sources is observed using ground-based precipitation radars, and tracks of snow are also seen on the ground in satellite imagery. Aerosol-induced glaciation and snowfall lead to reduced cloud cover. At multiple aerosol sources, glaciation events are more frequent than polluted tracks in liquid-phase clouds. Thus, at least locally at some aerosol sources in the middle and high latitudes, the warming effect induced by aerosols acting as ice-nucleating particles likely exceeds the cooling effect induced by aerosols acting as cloud condensation nuclei. Further research is needed to quantify the global radiative forcing by anthropogenic ice nucleating particles.

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 enseignants0,016
Score d'incertitude au seuil0,031

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
Bibliométrie0,0000,000
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)0,0020,000

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 Opus0,020
Tête enseignante GPT0,262
Écart entre enseignants0,242 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAtmospheric aerosols and clouds→Travaux en français237 207→