Impact of Canadian wildfires on aerosol and ice clouds in the early-autumn Arctic
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
Cloud particle phase is an important controlling factor for the Earth's surface heat budget, through the radiative balance. Thus, it exerts a strong influence on climate change in the Arctic. Aerosols transported from lower latitudes modify Arctic cloud properties, including cloud phase. In this study, we investigated ice cloud formation and high aerosol concentrations over the Arctic Ocean using a combination of observations obtained by an Arctic voyage, reanalysis data, and backward trajectory analyses. On 12 September 2023, in an atmospheric river over the Arctic Ocean, ice clouds at temperatures warmer than −15 °C were observed in the middle troposphere by a Cloud Particle Sensor sonde. In the lower troposphere, a particle counter onboard a drone detected particle counts two orders of magnitude higher than the voyage average. Backward trajectories indicated that a lower tropospheric air mass with a high concentration of organic carbon (OC) aerosols over northern and coastal western Canada, where wildfire-induced OC emissions were evident, reached the mid-troposphere over the Arctic Ocean. These results suggest that OC aerosols from severe Canadian wildfires in the summer of 2023 acted as ice-nucleating particles for ice cloud formation under high-temperature conditions exceeding −15 °C over the Arctic Ocean. • Vertical profiling of clouds and aerosols was conducted in the Arctic Ocean in 2023. • A particle counter on a drone recorded high-aerosol-concentration events. • Canadian wildfire aerosols would influence the Arctic ice cloud formation.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,000 |
| 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 découle