Photocatalytic chloride to chlorine conversion by ionic iron in aqueous aerosols: A combined experimental, quantum chemical and chemical equilibrium model study
Notice bibliographique
Résumé
Aerosol chamber experiments show that the ligand-to-metal charge transfer absorption in iron(III) chlorides can lead to the production of chlorine. Based on this mechanism, the photocatalytic oxidation of chloride in mineral dust-sea spray aerosols was recently shown to be the largest source of chlorine over the North Atlantic. However, there has not been a detailed analysis of the mechanism including the aqueous formation equilibria and the absorption spectra of the iron chlorides; neither has there been an analysis of which iron chloride is the main chromophore. Here we present the results of experiments of photolysis FeCl_3 · 6H_2O in specific wavelength bands, an analysis of the absorption spectra of the title compounds from n=1..4 made using density functional theory, and the results of an aqueous phase model that predicts the abundance of the iron chlorides with changes in pH and ion concentrations. Transition state analysis is used to determine the energy thresholds of the dissociations of the species. Based on a speciation model with conditions extending from dilute water droplet to acidic seawater droplet to brine to salty crust, and the absorption rates and dissociation thresholds, we find that FeCl_2^+ is the most important species for chlorine production for a wide range of conditions. The mechanism was found to be active in the range of 400 to 530 nm with a maximum around 440 nm. We conclude that iron chlorides will form in atmospheric aerosols from the combination of iron(III) cations with chloride and that they will be activated by sunlight, generating chlorine (Cl_2/Cl) from chloride (Cl-), in a process that is catalytic in both chlorine and iron.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».