Particle characterization in retail environments: concentrations, sources, and removal mechanisms
Notice bibliographique
Résumé
UNLABELLED: Particles in retail environments can have consequences for the occupational exposures of retail workers and customers, as well as the energy costs associated with ventilation and filtration. Little is known about particle characteristics in retail environments. We measured indoor and outdoor mass concentrations of PM10 and PM2.5 , number concentrations of submicron particles (0.02-1 μm), size-resolved 0.3-10 μm particles, as well as ventilation rates in 14 retail stores during 24 site visits in Pennsylvania and Texas. Overall, the results were generally suggestive of relatively clean environments when compared to investigations of other building types and ambient/occupational regulatory limits. PM10 and PM2.5 concentrations (mean ± s.d.) were 20 ± 14 and 11 ± 10 μg/m(3), respectively, with indoor-to-outdoor ratios of 1.0 ± 0.7 and 0.88 ± 1.0. Mean submicron particle concentrations were 7220 ± 7500 particles/cm(3) with an indoor-to-outdoor ratio of 1.18 ± 1.30. The median contribution to PM10 and PM2.5 concentrations from indoor sources (vs. outdoors) was 83% and 53%, respectively. There were no significant correlations between measured ventilation rates and particle concentrations of any size. When examining options to lower PM2.5 concentrations below regulatory limits, the required changes to ventilation and filtration efficiency were site specific and depended on the indoor and outdoor concentration, emission rate, and infiltration level. PRACTICAL IMPLICATIONS: Little is known about particle concentrations, contribution of indoor sources, and emission rates in retail environments. Knowledge of these particle characteristics informs health scientists with input parameters to include in exposure modeling. The predicted concentration change in response to different ventilation rates and filtration efficiencies may be used for guidance to develop control strategies to lower particulate matter concentrations in retail environments.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».