Traçage isotopique des sources et processus régissant le budget du soufre dans les aérosols (PM10) urbains : les exemples de Paris et Montréal
Bibliographic record
Abstract
Le soufre (S) est un élément ubiquiste retrouvé sous forme de sulfates dans les aérosols primaires et secondaires. Une fois formé, le sulfate est stable et ne voit pas sa composition isotopique modifiée. Or, les concentrations en S dans les villes ne sont actuellement pas bien modélisées. Nous avons abordé ce problème via l'utilisation des compositions isotopiques du soufre dans les aérosols comme traceurs de sources (δ34S) et des processus physico-chimiques atmosphériques (Δ33S et Δ36S). Des analyses sur les aérosols primaires issus de la combustion ont montré que les sulfates présents étaient d'origine secondaire, formés dans des conditions spécifiques aux chambres de combustion. Des analyses sur les aérosols urbains prélevés en air ambiant et sur les sulfins ont montré que les sulfates peuvent provenir d'aérosols primaires et secondaires via l'oxydation du SO2. Les voies les plus connues (OH, H2O2, O2+TMI) ne permettent cependant pas d'expliquer l'ensemble des valeurs isotopiques. Nous avons ainsi testé l'implication de la voie d'oxydation via NO2, qui au final ne permet pas non plus d'expliquer les fortes anomalies Δ33S jusqu'à 0.5 ‰ enregistrées par les aérosols urbains. D'autres voies d'oxydation, telles que celles impliquant les radicaux de Criegee ou la photochimie des nitrates, restent alors à être explorée. \n______________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : Multi-isotopie, soufre, aérosols, urbains, voie d'oxydation
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".