Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<strong class="journal-contentHeaderColor">Abstract.</strong> Atmospheric organic aerosol (OA) mass concentrations can be affected by water uptake through its impact on the gas–particle partitioning of semivolatile compounds. Current chemical transport models (CTMs) neglect this process. We have implemented the Binary Activity Thermodynamics model coupled to a volatility basis set partitioning scheme in the GEOS-Chem CTM, providing an efficient reduced-complexity OA model that predicts relative-humidity-dependent mixing and partitioning thermodynamics while limiting the impact on computational efficiency. We provide a quantitative assessment of this water-sensitive OA treatment, focusing on a subdomain over North America. The updated OA scheme predicts a spatiotemporal mean enhancement in surface-level OA mass concentration of 145 % for January 2019 and 76 % for July 2019 compared to GEOS-Chem's most advanced OA scheme. The temporal mean surface-level OA organic mass concentration can increase by up to ∼ 590 % for January 2019 and ∼ 280 % for July 2019, with the greatest enhancements occurring over the ocean. The updated OA scheme also quantifies the OA-associated water content. The simulations show how different OA precursors and related OA surrogates contribute and respond to water uptake, including due to changes in temperature and relative humidity over the diurnal cycle in selected winter and summer months. These results are independent of future CTM improvements involving updates to chemical reaction schemes and emission inventories. Our water-sensitive OA scheme allows for a better representation of the seasonal and regional variations of OA mass concentration in CTMs.
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.
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) | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,406 | 0,044 |
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 découle