Development of analytical methodologies for iodine species in gaseous and particulate phases of the coastal atmosphere

It has been demonstrated that iodine does have an important influence on atmospheric chemistry, especially the formation of new particles and the enrichment of iodine in marine aerosols. It was pointed out that the most probable chemical species involved in the production or growth of these particles are iodine oxides, produced photochemically from biogenic halocarbon emissions and/or iodine emission from the sea surface. However, the iodine chemistry from gaseous to particulate phase in the coastal atmosphere and the chemical nature of the condensing iodine species are still not understood. A Tenax / Carbotrap adsorption sampling technique and a thermo-desorption / cryo-trap / GC-MS system has been further developed and improved for the volatile organic iodine species in the gas phase. Several iodo-hydrocarbons such as CH3I, C2H5I, CH2ICl, CH2IBr and CH2I2 etc., have been measured in samples from a calibration test gas source (standards), real air samples and samples from seaweeds / macro-algae emission experiments. A denuder sampling technique has been developed to characterise potential precursor compounds of coastal particle formation processes, such as molecular iodine in the gas phase. Starch, TMAH (TetraMethylAmmonium Hydroxide) and TBAH (TetraButylAmmonium Hydroxide) coated denuders were tested for their efficiencies to collect I2 at the inner surface, followed by a TMAH extraction and ICP/MS determination, adding tellurium as an internal standard. The developed method has been proved to be an effective, accurate and suitable process for I2 measurement in the field, with the estimated detection limit of ~0.10 ng∙L-1 for a sampling volume of 15 L. An H2O/TMAH-Extraction-ICP/MS method has been developed for the accurate and sensitive determination of iodine species in tropospheric aerosol particles. The particle samples were collected on cellulose-nitrate filters using conventional filter holders or on cellulose nitrate/tedlar-foils using a 5-stage Berner impactor for size-segregated particle analysis. The water soluble species as IO3- and I- were separated by anion exchanging process after water extraction. Non-water soluble species including iodine oxide and organic iodine were digested and extracted by TMAH. Afterwards the triple samples were analysed by ICP/MS. The detection limit for particulate iodine was determined to be 0.10~0.20 ng•m-3 for sampling volumes of 40~100 m3. The developed methods have been used in two field measurements in May 2002 and September 2003, at and around the Mace Head Atmospheric Research Station (MHARS) located at the west coast of Ireland. Elemental iodine as a precursor of the iodine chemistry in the coastal atmosphere, was determined in the gas phase at a seaweed hot-spot around the MHARS, showing I2 concentrations were in the range of 0~1.6 ng∙L-1 and indicating a positive correlation with the ozone concentration. A seaweed-chamber experiment performed at the field measurement station showed that the I2 emission rate from macro-algae was in the range of 0.019~0.022 ng•min-1•kg-1. During these experiments, nanometer-particle concentrations were obtained from the Scanning Mobility Particle Sizer (SMPS) measurements. Particle number concentrations were found to have a linear correlation with elemental iodine in the gas phase of the seaweeds chamber, showing that gaseous I2 is one of the important precursors of the new particle formation in the coastal atmosphere. Iodine contents in the particle phase were measured in both field campaigns at and around the field measurement station. Total iodine concentrations were found to be in the range of 1.0 ~ 21.0 ng∙m-3 in the PM2.5 samples. A significant correlation between the total iodine concentrations and the nanometer-particle number concentrations was observed. The particulate iodine species analysis indicated that iodide contents are usually higher than those of iodate in all samples, with ratios in the range of 2~5:1. It is possible that those water soluble iodine species are transferred through the sea-air interface into the particle phase. The ratio of water soluble (iodate + iodide) and non-water soluble species (probably iodine oxide and organic iodine compounds) was observed to be in the range of 1:1 to 1:2. It appears that higher concentrated non-water soluble species, as the products of the photolysis from the gas phase into the particle phase, can be obtained in those samples while the nucleation events occur. That supports the idea that iodine chemistry in the coastal boundary layer is linked with new particle formation events. Furthermore, artificial aerosol particles were formed from gaseous iodine sources (e.g. CH2I2) using a laboratory reaction-chamber experiment, in which the reaction constant of the CH2I2 photolysis was calculated to be based upon the first order reaction kinetic. The end products of iodine chemistry in the particle phase were identified and quantified.

Aktionenlernen mit Selbstorganisierenden Karten und Reinforcement Learning

Die vorliegende Arbeit beschäftigt sich mit der Entwicklung eines Funktionsapproximators und dessen Verwendung in Verfahren zum Lernen von diskreten und kontinuierlichen Aktionen: 1. Ein allgemeiner Funktionsapproximator – Locally Weighted Interpolating Growing Neural Gas (LWIGNG) – wird auf Basis eines Wachsenden Neuralen Gases (GNG) entwickelt. Die topologische Nachbarschaft in der Neuronenstruktur wird verwendet, um zwischen benachbarten Neuronen zu interpolieren und durch lokale Gewichtung die Approximation zu berechnen. Die Leistungsfähigkeit des Ansatzes, insbesondere in Hinsicht auf sich verändernde Zielfunktionen und sich verändernde Eingabeverteilungen, wird in verschiedenen Experimenten unter Beweis gestellt. 2. Zum Lernen diskreter Aktionen wird das LWIGNG-Verfahren mit Q-Learning zur Q-LWIGNG-Methode verbunden. Dafür muss der zugrunde liegende GNG-Algorithmus abgeändert werden, da die Eingabedaten beim Aktionenlernen eine bestimmte Reihenfolge haben. Q-LWIGNG erzielt sehr gute Ergebnisse beim Stabbalance- und beim Mountain-Car-Problem und gute Ergebnisse beim Acrobot-Problem. 3. Zum Lernen kontinuierlicher Aktionen wird ein REINFORCE-Algorithmus mit LWIGNG zur ReinforceGNG-Methode verbunden. Dabei wird eine Actor-Critic-Architektur eingesetzt, um aus zeitverzögerten Belohnungen zu lernen. LWIGNG approximiert sowohl die Zustands-Wertefunktion als auch die Politik, die in Form von situationsabhängigen Parametern einer Normalverteilung repräsentiert wird. ReinforceGNG wird erfolgreich zum Lernen von Bewegungen für einen simulierten 2-rädrigen Roboter eingesetzt, der einen rollenden Ball unter bestimmten Bedingungen abfangen soll.

Reinforcement Lernen mit Regularisierungsnetzwerken

Die Arbeit behandelt das Problem der Skalierbarkeit von Reinforcement Lernen auf hochdimensionale und komplexe Aufgabenstellungen. Unter Reinforcement Lernen versteht man dabei eine auf approximativem Dynamischen Programmieren basierende Klasse von Lernverfahren, die speziell Anwendung in der Künstlichen Intelligenz findet und zur autonomen Steuerung simulierter Agenten oder realer Hardwareroboter in dynamischen und unwägbaren Umwelten genutzt werden kann. Dazu wird mittels Regression aus Stichproben eine Funktion bestimmt, die die Lösung einer "Optimalitätsgleichung" (Bellman) ist und aus der sich näherungsweise optimale Entscheidungen ableiten lassen. Eine große Hürde stellt dabei die Dimensionalität des Zustandsraums dar, die häufig hoch und daher traditionellen gitterbasierten Approximationsverfahren wenig zugänglich ist. Das Ziel dieser Arbeit ist es, Reinforcement Lernen durch nichtparametrisierte Funktionsapproximation (genauer, Regularisierungsnetze) auf -- im Prinzip beliebig -- hochdimensionale Probleme anwendbar zu machen. Regularisierungsnetze sind eine Verallgemeinerung von gewöhnlichen Basisfunktionsnetzen, die die gesuchte Lösung durch die Daten parametrisieren, wodurch die explizite Wahl von Knoten/Basisfunktionen entfällt und so bei hochdimensionalen Eingaben der "Fluch der Dimension" umgangen werden kann. Gleichzeitig sind Regularisierungsnetze aber auch lineare Approximatoren, die technisch einfach handhabbar sind und für die die bestehenden Konvergenzaussagen von Reinforcement Lernen Gültigkeit behalten (anders als etwa bei Feed-Forward Neuronalen Netzen). Allen diesen theoretischen Vorteilen gegenüber steht allerdings ein sehr praktisches Problem: der Rechenaufwand bei der Verwendung von Regularisierungsnetzen skaliert von Natur aus wie O(n**3), wobei n die Anzahl der Daten ist. Das ist besonders deswegen problematisch, weil bei Reinforcement Lernen der Lernprozeß online erfolgt -- die Stichproben werden von einem Agenten/Roboter erzeugt, während er mit der Umwelt interagiert. Anpassungen an der Lösung müssen daher sofort und mit wenig Rechenaufwand vorgenommen werden. Der Beitrag dieser Arbeit gliedert sich daher in zwei Teile: Im ersten Teil der Arbeit formulieren wir für Regularisierungsnetze einen effizienten Lernalgorithmus zum Lösen allgemeiner Regressionsaufgaben, der speziell auf die Anforderungen von Online-Lernen zugeschnitten ist. Unser Ansatz basiert auf der Vorgehensweise von Recursive Least-Squares, kann aber mit konstantem Zeitaufwand nicht nur neue Daten sondern auch neue Basisfunktionen in das bestehende Modell einfügen. Ermöglicht wird das durch die "Subset of Regressors" Approximation, wodurch der Kern durch eine stark reduzierte Auswahl von Trainingsdaten approximiert wird, und einer gierigen Auswahlwahlprozedur, die diese Basiselemente direkt aus dem Datenstrom zur Laufzeit selektiert. Im zweiten Teil übertragen wir diesen Algorithmus auf approximative Politik-Evaluation mittels Least-Squares basiertem Temporal-Difference Lernen, und integrieren diesen Baustein in ein Gesamtsystem zum autonomen Lernen von optimalem Verhalten. Insgesamt entwickeln wir ein in hohem Maße dateneffizientes Verfahren, das insbesondere für Lernprobleme aus der Robotik mit kontinuierlichen und hochdimensionalen Zustandsräumen sowie stochastischen Zustandsübergängen geeignet ist. Dabei sind wir nicht auf ein Modell der Umwelt angewiesen, arbeiten weitestgehend unabhängig von der Dimension des Zustandsraums, erzielen Konvergenz bereits mit relativ wenigen Agent-Umwelt Interaktionen, und können dank des effizienten Online-Algorithmus auch im Kontext zeitkritischer Echtzeitanwendungen operieren. Wir demonstrieren die Leistungsfähigkeit unseres Ansatzes anhand von zwei realistischen und komplexen Anwendungsbeispielen: dem Problem RoboCup-Keepaway, sowie der Steuerung eines (simulierten) Oktopus-Tentakels.

Water-soluble organic compounds in air particulate matter analyzed by HPLC-DAD-MS and HPLC-MS/MS: abundance, sources and transformation of carboxylic acids, nitrophenols and nitrated proteins

Wasserlösliche organische Verbindungen (WSOCs) sind Hauptbestandteile atmosphärischer Aerosole, die bis zu ~ 50% und mehr der organischen Aerosolfraktion ausmachen. Sie können die optischen Eigenschaften sowie die Hygroskopizität von Aerosolpartikeln und damit deren Auswirkungen auf das Klima beeinflussen. Darüber hinaus können sie zur Toxizität und Allergenität atmosphärischer Aerosole beitragen.In dieser Studie wurde Hochleistungsflüssigchromatographie gekoppelt mit optischen Diodenarraydetektion und Massenspektrometrie (HPLC-DAD-MS und HPLC-MS/MS) angewandt, um WSOCs zu analysieren, die für verschiedene Aerosolquellen und -prozesse charakteristisch sind. Niedermolekulare Carbonsäuren und Nitrophenole wurden als Indikatoren für die Verbrennung fossiler Brennstoffe und die Entstehung sowie Alterung sekundärer organischer Aerosole (SOA) aus biogenen Vorläufern untersucht. Protein-Makromoleküle wurden mit Blick auf den Einfluss von Luftverschmutzung und Nitrierungsreaktionen auf die Allergenität primärer biologischer Aerosolpartikel – wie Pollen und Pilzsporen – untersucht.rnFilterproben von Grob- und Feinstaubwurden über ein Jahr hinweg gesammelt und auf folgende WSOCs untersucht: die Pinen-Oxidationsprodukte Pinsäure, Pinonsäure und 3-Methyl-1,2,3-Butantricarbonsäure (3-MBTCA) sowie eine Vielzahl anderer Dicarbonsäuren und Nitrophenole. Saisonale Schwankungen und andere charakteristische Merkmale werden mit Blick auf Aerosolquellen und -senken im Vergleich zu Daten anderen Studien und Regionen diskutiert. Die Verhätlnisse von Adipinsäure und Phthalsäure zu Azelainsäure deuten darauf hin, dass die untersuchten Aerosolproben hauptsächlich durch biogene Quellen beeinflusst werden. Eine ausgeprägte Arrhenius-artige Korrelation wurde zwischen der 3-MBTCA-¬Konzentration und der inversen Temperatur beobachtet (R2 = 0.79, Ea = 126±10 kJ mol-1, Temperaturbereich 275–300 K). Modellrechnungen zeigen, dass die Temperaturabhängigkeit auf eine Steigerung der photochemischen Produktionsraten von 3-MBTCA durch erhöhte OH-Radikal-Konzentrationen bei erhöhten Temperaturen zurückgeführt werden kann. Im Vergleich zur chemischen Reaktionskinetik scheint der Einfluss von Gas-Partikel-Partitionierungseffekten nur eine untergeordnete Rolle zu spielen. Die Ergebnisse zeigen, dass die OH-initiierte Oxidation von Pinosäure der geschwindigkeitsbestimmende Schritt der Bildung von 3-MBTCA ist. 3-MBTCA erscheint somit als Indikator für die chemische Alterung von biogener sekundärer organischer Aerosole (SOA) durch OH-Radikale geeignet. Eine Arrhenius-artige Temperaturabhängigkeit wurde auch für Pinäure beobachtet und kann durch die Temperaturabhängigkeit der biogenen Pinen-Emissionen als geschwindigkeitsbestimmender Schritt der Pinsäure-Bildung erklärt werden (R2 = 0.60, Ea = 84±9 kJ mol-1).rn rnFür die Untersuchung von Proteinnitrierungreaktionen wurde nitrierte Protein¬standards durch Flüssigphasenreaktion von Rinderserumalbumin (BSA) und Ovalbumin (OVA) mit Tetranitromethan (TNM) synthetisiert.Proteinnitrierung erfolgt vorrangig an den Resten der aromatischen Aminosäure Tyrosin auf, und mittels UV-Vis-Photometrie wurde der Proteinnnitrierungsgrad (ND) bestimmt. Dieser ist definiert als Verhältnis der mittleren Anzahl von Nitrotyrosinresten zur Tyrosinrest-Gesamtzahl in den Proteinmolekülen. BSA und OVA zeigten verschiedene Relationen zwischen ND und TNM/Tyrosin-Verhältnis im Reaktionsgemisch, was vermutlich auf Unterschiede in den Löslichkeiten und den molekularen Strukturen der beiden Proteine zurück zu führen ist.rnDie Nitrierung von BSA und OVA durch Exposition mit einem Gasgemisch aus Stickstoffdioxid (NO2) und Ozon (O3) wurde mit einer neu entwickelten HPLC-DAD-¬Analysemethode untersucht. Diese einfache und robuste Methode erlaubt die Bestimmung des ND ohne Hydrolyse oder Verdau der untersuchten Proteine und ernöglicht somit eine effiziente Untersuchung der Kinetik von Protein¬nitrierungs-Reaktionen. Für eine detaillierte Produktstudien wurden die nitrierten Proteine enzymatisch verdaut, und die erhaltenen Oligopeptide wurden mittels HPLC-MS/MS und Datenbankabgleich mit hoher Sequenzübereinstimmung analysiert. Die Nitrierungsgrade individueller Nitrotyrosin-Reste (NDY) korrelierten gut mit dem Gesamt-Proteinnitrierungsgrad (ND), und unterschiedliche Verhältnisse von NDY zu ND geben Aufschluss über die Regioselektivität der Reaktion. Die Nitrierungmuster von BSA und OVA nach Beahndlung mit TNM deuten darauf hin, dass die Nachbarschaft eines negativ geladenen Aminosäurerestes die Tyrosinnitrierung fördert. Die Behandlung von BSA durch NO2 und O3 führte zu anderend Nitrierungemustern als die Behandlung mit TNM, was darauf hindeutet, dass die Regioselektivität der Nitrierung vom Nitrierungsmittel abhängt. Es zeigt sich jedoch, dass Tyrosinreste in Loop-Strukturen bevorzugt und unabhängig vom Reagens nitriert werden.Die Methoden und Ergebnisse dieser Studie bilden eine Grundlage für weitere, detaillierte Untersuchungen der Reaktionskinetik sowie der Produkte und Mechanismen von Proteinnitrierungreaktionen. Sie sollen helfen, die Zusammenhänge zwischen verkehrsbedingten Luftschadstoffen wie Stickoxiden und Ozon und der Allergenität von Luftstaub aufzuklären.rn

Aircraft-based in-situ aerosol mass spectrometry: Chemical characterization and source identification of submicron particulate matter in the free and upper troposphere and lower stratosphere

The composition of the atmosphere is frequently perturbed by the emission of gaseous and particulate matter from natural as well as anthropogenic sources. While the impact of trace gases on the radiative forcing of the climate is relatively well understood the role of aerosol is far more uncertain. Therefore, the study of the vertical distribution of particulate matter in the atmosphere and its chemical composition contribute valuable information to bridge this gap of knowledge. The chemical composition of aerosol reveals information on properties such as radiative behavior and hygroscopicity and therefore cloud condensation or ice nucleus potential. rnThis thesis focuses on aerosol pollution plumes observed in 2008 during the POLARCAT (Polar Study using Aircraft, Remote Sensing, Surface Measurements and Models, of Climate, Chemistry, Aerosols, and Transport) campaign over Greenland in June/July and CONCERT (Contrail and Cirrus Experiment) campaign over Central and Western Europe in October/November. Measurements were performed with an Aerodyne compact time-of-flight aerosol mass spectrometer (AMS) capable of online size-resolved chemical characterization of non-refractory submicron particles. In addition, the origins of pollution plumes were determined by means of modeling tools. The characterized pollution episodes originated from a large variety of sources and were encountered at distinct altitudes. They included pure natural emissions from two volcanic eruptions in 2008. By the time of detection over Western Europe between 10 and 12 km altitude the plume was about 3 months old and composed to 71 % of particulate sulfate and 21 % of carbonaceous compounds. Also, biomass burning (BB) plumes were observed over Greenland between 4 and 7 km altitude (free troposphere) originating from Canada and East Siberia. The long-range transport took roughly one and two weeks, respectively. The aerosol was composed of 78 % organic matter and 22 % particulate sulfate. Some Canadian and all Siberian BB plumes were mixed with anthropogenic emissions from fossil fuel combustion (FF) in North America and East Asia. It was found that the contribution of particulate sulfate increased with growing influences from anthropogenic activity and Asia reaching up to 37 % after more than two weeks of transport time. The most exclusively anthropogenic emission source probed in the upper troposphere was engine exhaust from commercial aircraft liners over Germany. However, in-situ characterization of this aerosol type during aircraft chasing was not possible. All long-range transport aerosol was found to have an O:C ratio close to or greater than 1 implying that low-volatility oxygenated organic aerosol was present in each case despite the variety of origins and the large range in age from 3 to 100 days. This leads to the conclusion that organic particulate matter reaches a final and uniform state of oxygenation after at least 3 days in the free troposphere. rnExcept for aircraft exhaust all emission sources mentioned above are surface-bound and thus rely on different types of vertical transport mechanisms, such as direct high altitude injection in the case of a volcanic eruption, or severe BB, or uplift by convection, to reach higher altitudes where particles can travel long distances before removal mainly caused by cloud scavenging. A lifetime for North American mixed BB and FF aerosol of 7 to 11 days was derived. This in consequence means that emission from surface point sources, e.g. volcanoes, or regions, e.g. East Asia, do not only have a relevant impact on the immediate surroundings but rather on a hemispheric scale including such climate sensitive zones as the tropopause or the Arctic.