MétaCan
Menu
Retour à la cohorte
Enregistrement W4360869670 · doi:10.1038/s43247-023-00749-x

Atmospheric concentrations of black carbon are substantially higher in spring than summer in the Arctic

2023· article· en· W4360869670 sur OpenAlexaff
Zsófia Jurányi, Marco Zanatta, Marianne T. Lund, B. H. Samset, Ragnhild Bieltvedt Skeie, Sangeeta Sharma, Manfred Wendisch, Andreas Herber

Notice bibliographique

RevueCommunications Earth & Environment · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesNorges ForskningsrådDeutsche Forschungsgemeinschaft
Mots-clésCarbon blackEnvironmental scienceAtmospheric sciencesSpring (device)ArcticThe arcticAerosolClimatologyClimate changeCarbon fibersMeteorologyGeographyOceanographyChemistryPhysicsGeologyMaterials science

Résumé

récupéré en direct d'OpenAlex

Abstract A key driving factor behind rapid Arctic climate change is black carbon, the atmospheric aerosol that most efficiently absorbs sunlight. Our knowledge about black carbon in the Arctic is scarce, mainly limited to long-term measurements of a few ground stations and snap-shots by aircraft observations. Here, we combine observations from aircraft campaigns performed over nine years, and present vertically resolved average black carbon properties. A factor of four higher black carbon mass concentration (21.6 ng m −3 average, 14.3 ng m −3 median) was found in spring, compared to summer (4.7 ng m −3 average, 3.9 ng m −3 median). In spring, much higher inter-annual and geographic variability prevailed compared to the stable situation in summer. The shape of the black carbon size distributions remained constant between seasons with an average mass mean diameter of 202 nm in spring and 210 nm in summer. Comparison between observations and concentrations simulated by a global model shows notable discrepancies, highlighting the need for further model developments and intensified measurements.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,014
Score d'incertitude au seuil0,394

Scores Codex et Gemma par catégorie

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 savante0,0000,000
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 Opus0,035
Tête enseignante GPT0,228
Écart entre enseignants0,193 · 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.

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

Citations29
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunications Earth & EnvironmentMême sujetAtmospheric chemistry and aerosolsTravaux en français237 207