Partitioning of Lead in Urban Street Dust Based on the Particle Size Distribution and Chemical Environments
Notice bibliographique
Résumé
The objective of the present study was to investigate the distribution of lead among the physical fractions and between the various chemical forms of urban street dust. In order to achieve this aim, street dust samples were collected from three major roads with high traffic volume and one minor road with a low traffic density in urban areas of Az Zarqa City, Jordan. The dust samples (N = 6 for each site) were split into two portions. One part was employed for physical size fractionation and the other portion for chemical and physical analyses. A sequential extraction procedure was used to determine Pb associated with various chemical and physical fractions. It was found that about half of the lead was associated with the carbonate fraction and Fe-Mn oxides were ranked second, followed by the exchangeable and organic fractions. A general trend of increasing lead levels with decreasing particle size in street dust was observed. The current study showed that leaded gasoline was the major source for the elevated lead levels in street dust. Therefore, for those countries still employing leaded gasoline, such as Jordan, substantial reductions in lead contamination of street dust and roadside soils could be achieved by prohibiting the use of Pb additives. Consequently, many health benefits could be expected for the entire population and especially for children. The accuracy of lead results was checked by periodic analysis of SRM Soil 7. Observed concentrations were within 5% of certified value in analyzed SRM for lead.
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 | 0,001 | 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 | 0,000 |
| 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 ».