Notice bibliographique
Résumé
Abstract. Soot from aircraft engines deteriorates air quality around airports and can contribute to climate change primarily by influencing cloud processes and contrail formation. Simultaneously, aircraft engines emit CO2, nitrogen oxides (NOx) and other pollutants which also negatively affect human health and the environment. While urgent action is needed to reduce all pollutants, strategies to reduce one pollutant may increase another, calling for a need to decrease, for example, the uncertainty associated with soot’s contribution to net Radiative Forcing (RF) in order to design targeted policies that minimize the formation and release of all pollutants. Aircraft soot is characterized by rather small median mobility diameters, dm = 8 – 60 nm, and at high thrust, low (< 25 %) organic carbon to total carbon (OC/TC) ratios while at low thrust the OC/TC can be quite high. Computational models could aid in the design of new aircraft combustors to reduce emissions, but current models struggle to capture the soot dm, and volume fraction, fv measured experimentally. This may be in part due to oversimplification of soot’s irregular morphology in models and a still poor understanding of soot inception. Nonetheless, combustor design can significantly reduce soot emissions through extensive oxidation or near-premixed, lean combustion. For example, lean premixed prevaporized combustors significantly reduce emissions at high thrust by allowing injected fuel to fully vaporize before ignition while low temperatures from very lean jet fuel combustion limit the formation of NOx. Alternative fuels can be used alongside improved combustor technologies to reduce soot emissions. However, current policies and low supply promote the blending of alternative fuels at low ratios (~1 %) for all flights, rather than using high ratios (> 30 %) in a few flights which could meaningfully reduce soot emissions. Here, existing technologies for reducing such emissions through combustor and fuel design will be reviewed to identify strategies that eliminate them.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,030 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,319 | 0,312 |
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 source (Gemma direct ou Codex distillé), 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 ».