MétaCan
Menu
Retour à la cohorte
Enregistrement W4408431064 · doi:10.5194/egusphere-egu25-13343

Characterization of Aerosols for Stratospheric Solar Radiation Management

2025· preprint· en· W4408431064 sur OpenAlexaff
Svitlana Malashevych, Aleksandr Odelskii, Alexander Logozzo, Thomas R. Preston

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Geoengineering
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésAlbedo (alchemy)AerosolStratosphereEnvironmental scienceEarth's energy budgetAtmospheric sciencesRadiative transferRemote sensingRadiationMeteorologyMaterials scienceOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

Understanding the properties of aerosols under stratospheric conditions is of particular importance for applications in solar radiation management. Aerosols have the potential to influence the Earth's radiative balance by stratospheric aerosol injection (SAI), which increases albedo and enhances the reflection of solar radiation back into space. By investigating the optical properties of various aerosol types under different environmental conditions, we aim to explore materials for SAI that exhibit albedo-enhancing potential while maintaining stability in the stratosphere.We have developed an optical trapping system with counter-propagating laser beams coupled with cavity-enhanced Raman spectroscopy to monitor the physical properties of single aerosol particles. This technique, supported by bulk measurements, enables us to determine the wavelength-dependent refractive index under different temperature and relative humidity parameters. Our specially designed optical system allows for rapid changes in temperature and relative humidity using a movable platform while maintaining a stable gradient within the cell reproducing stratospheric conditions. Our findings contribute to a deeper understanding of the suitability of aerosols for climate mitigation strategy and the broader effects of their deployment.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,447
Score d'incertitude au seuil0,778

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 GPT0,234
Écart entre enseignants0,219 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetClimate Change and GeoengineeringTravaux en français237 207