Coastal Eutrophic Ecosystem as an Overlooked Pool of Atmospheric Formic Acid: Disentangling Biogenic and Abiotic Contributions
Notice bibliographique
Résumé
Formic acid (HCOOH), a key driver of secondary organic aerosol and cloud condensation nuclei formation, is systematically underestimated in atmospheric models due to inadequate source characterization. To address this gap, an integrated field campaign was conducted at a South China Sea (SCS) coastal site during the summer, focusing on gaseous HCOOH (HCOOH g ). Measurements revealed that the average concentrations of HCOOH g reached as high as 6.7 μg/m 3 and 4.0 μg/m 3 under land and marine breeze, respectively. On marine breeze days, HCOOH g exhibited significant correlations with chlorophyll-a (Chl-a) and particulate organic carbon (POC) in seawater, implicating dual production pathways from both biogenic activities of phytoplankton and abiotic processes of dissolved organic matter degradation. Quantification of marine-sourced HCOOH g revealed that these processes collectively accounted for around 16% of HCOOH g, with abiotic contributions double the biogenic contributions. Based on the established parametrization linking HCOOH g to marine tracers (POC and Chl-a), the spatial distribution of marine-sourced HCOOH g was extrapolated over the SCS, identifying pronounced hotspots in eutrophic coastal regions. This work reveals the coastal eutrophic ecosystem as a pivotal yet unaccounted HCOOH g source, emphasizing the necessity of coupling the interactions between marine biogeochemical processes and atmospheric chemical components into air quality and climate modeling.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 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 ».