MODELED CONCENTRATIONS IN RICE AND INGESTION DOSES FROM CHRONIC ATMOSPHERIC RELEASES OF TRITIUM
Notice bibliographique
Résumé
The expansion of nuclear power programs in Asia has stimulated interest in the improved modeling of concentrations of tritium in rice, a staple crop grown throughout the far east. Normally, the specific activity model is used to calculate concentrations of tritium in the tissue water of edible plants to assess ingestion dose from chronic releases. However, because rice, like other grains, has much lower water content than most crops, the calculation must also account for organically bound tritium. This paper reviews ways to calculate steady-state concentrations of tritium in rice, including the methods of Canadian and United States regulatory models, and the assumptions behind them. Concentrations in rice and resulting ingestion doses are compared for the various methods, and equations for calculating concentrations are recommended. The regulatory models underestimate doses received from ingestion of rice contaminated with tritium since they do not account explicitly for organically bound tritium. The importance of including organically bound tritium is illustrated in a comparison of doses from rice, leafy vegetables and milk for an Asian diet. Dose factors from tritium for these foods are estimated to be 135, 47, and 20 nSv y(-1)/(Bq m(-3)), respectively. Assuming known air concentrations, tritium concentrations in rice, calculated with the recommended equations, are uncertain by less than a factor 2 when tritium concentrations in the rice paddy water are known, and by less than a factor of 2.3 when concentrations in paddy water are unknown.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».