MétaCan
Menu
Retour à la cohorte
Enregistrement W4403880215 · doi:10.5194/amt-2024-172

The UNAM-MARine Aerosol Tank (UNAM-MARAT): An Evaluation of the Ice-Nucleating Abilities of seawater from the Gulf of Mexico and the Mexican Pacific

2024· preprint· en· W4403880215 sur OpenAlexaff
María F. Córdoba, Rachel Chang, Harry Álvarez‐Ospina, Aramis Olivos, Graciela B. Raga, Daniel Rosas-Ramírez, Guadalupe Campos, Isabel Márquez, T. Castro, Luis A. Ladino

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueSmart Materials for Construction
Établissements canadiensDalhousie University
Organismes subventionnairesConsejo Nacional de Ciencia y TecnologíaDirección General de Asuntos del Personal Académico, Universidad Nacional Autónoma de MéxicoFundación Marcos Moshinsky
Mots-clésSeawaterOceanographyAerosolEnvironmental scienceGeologyGeographyMeteorology

Résumé

récupéré en direct d'OpenAlex

Abstract. Although several studies have shown that sea spray aerosol (SSA) has the potential to act as ice nucleating particles (INP) impacting cloud formation, there is a lack of marine INP studies in tropical latitudes. This is partly due to the unavailability of local oceanographic cruises that perform aerosol-cloud interaction studies in the tropics, as well as the scarcity of appropriate aerosol and cloud microphysics instrumentation. The present study shows the development of the UNAM-MARine Aerosol Tank (UNAM-MARAT), a device that simulates wave breaking to generate SSA particles with the main purpose to characterize their physicochemical properties including their ice nucleating abilities. The UNAM-MARAT was characterized using Instant Ocean Sea Salt and its potential to study ambient sea waters was evaluated with sea seawater samples collected from the Port of Veracruz (PoV) in the Gulf of Mexico, and from the Bay of Acapulco (BoA) and the Bay of Santiago- Manzanillo (BoSM) in the Mexican Pacific Ocean. The portable and automatic UNAM-MARAT is able to generate aerosol particle concentrations as high as 2000 cm-3 covering a wide range of sizes, from 30 nm to 10 μm, similar to those found in the ambient marine boundary layer. The SSA generated from the three natural seawater samples was found to act as INP via immersion freezing, with INP concentrations as high as 130.7 L-1. The particles generated from the BoA seawater samples were the most efficient INPs, reporting the highest ice active site density (ns) values between -20 and -30 °C. Our results also show the direct relationship between particle size and its composition. Larger particles (> 1 μm) were found to be enriched in sodium chloride. In contrast, the fraction of Ca2+, Mg2+, and NO3- was found to increase with decreasing the particle size from 10 μm to 320 nm. This suggests the presence of dissolved organic material in the submicron 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 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)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,216
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,003
Communication savante0,0000,000
Science ouverte0,0010,003
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 Opus0,015
Tête enseignante GPT0,238
Écart entre enseignants0,223 · 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.

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSmart Materials for ConstructionTravaux en français237 207