MétaCan
Menu
Retour à la cohorte
Enregistrement W2016566246 · doi:10.1100/tsw.2001.255

Atmospheric Sampling of Persistent Organic Pollutants: Needs, Applications and Advances in Passive Air Sampling Techniques

2001· review· en· W2016566246 sur OpenAlexfundno aff
Wendy A. Ockenden, Foday M. Jaward, Kevin C. Jones

Notice bibliographique

RevueThe Scientific World JOURNAL · 2001
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensnon disponible
Organismes subventionnairesNatural Environment Research CouncilU.S. Geological SurveyUniversiteit UtrechtKoninklijk Nederlands Instituut voor Onderzoek der ZeeTrent University
Mots-clésSampling (signal processing)Environmental sciencePassive samplingComputer sciencePollutantSoftware deploymentAir pollutantsSampling designCalibrationAtmosphere (unit)Biochemical engineeringRemote sensingAir pollutionMeteorologyTelecommunicationsEngineeringGeologyChemistry

Résumé

récupéré en direct d'OpenAlex

There are numerous potential applications for validated passive sampling techniques to measure persistent organic pollutants (POPs) in the atmosphere, but such techniques are still in their infancy. Potential uses include: monitoring to check for regulatory compliance and identification of potential sources; cheap/efficient reconnaissance surveying of the spatial distribution of POPs; and deployment in studies to investigate environmental processes affecting POP cycling. This article reviews and discusses the principles and needs of passive sampling methodologies. The timescales required for analytical purposes and for the scientific objectives of the study are critical in the choice and design of a passive sampler. Some techniques may operate over the timescales of hours/days, others over weeks/months/years. We distinguish between approaches based on "kinetic uptake" and "equilibrium partitioning". We highlight potentially useful techniques and discuss their potential advantages, disadvantages, and research requirements, drawing attention to the urgent need for detailed studies of sampler performance and calibration.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,775

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,065
Tête enseignante GPT0,355
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Scientific World JOURNALMême sujetAir Quality and Health ImpactsTravaux en français237 207