Photooxidation and ozonolysis of α-pinene and limonene mixtures: Mechanisms of secondary organic aerosol formation and cross-dimerization
Notice bibliographique
Résumé
Elucidating the interplay between different volatile organic compounds (VOCs) is crucial for understanding the formation mechanisms of secondary organic aerosols (SOA). This study systematically investigated the interactions between the bicyclic monoterpene α-pinene and the monocyclic monoterpene limonene under NO 2 photooxidation and dark ozonolysis conditions. The results show that under the NO 2 photooxidation conditions, the increase of [limonene] 0 enhances particle mass concentrations, number concentrations, and particle size; the increase of [α-pinene] 0 results in the increase of particle mass and number concentrations without the increase of particle size. Under the dark ozonolysis conditions, particle mass and number concentrations increase with the increase of [α-pinene] 0 and [limonene] 0 ; the effect of increasing [α-pinene] 0 on SOA mass concentration is significantly smaller than that of increasing [limonene] 0 , which may be attributed to the shift to a smaller particle size with the increase of [α-pinene] 0 . As the [limonene] 0 /[mixed VOCs] 0 ratio increases from 0 % to 100 %, the SOA yield increases from 54.6 % to 65.2 % under the NO 2 photooxidation conditions and from 19.8 % to 26.2 % under the O 3 conditions. Using threshold photoionization mass spectrometry based on a vacuum ultraviolet free electron laser, a series of new products were detected at molecular weights of 364, 366, 380, 386, 411, 413, and 414, which could be assigned to the cross-dimers, such as organic peroxides, ester dimers, and organic nitrates. Our study underscores the critical role of monocylic monoterpene limonene in the SOA formation and advances our understanding of the SOA formation in the atmosphere.
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 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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».