The Detection Efficiency of the Single Particle Soot Photometer
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
A single particle soot photometer (SP2) uses an intense laser to heat individual aerosol particles of refractory black carbon (rBC) to vaporization, causing them to emit detectable amounts of thermal radiation that are used to quantify rBC mass. This approach is well suited for the detection of the majority of rBC mass loading in the ambient atmosphere, which occurs primarily in the accumulation mode (∼ 1–300 fg-rBC/particle). In addition to operator choices about instrument parameters, SP2 detection of rBC number and/or mass can be limited by the physical process inherent in the SP2 detection technique — namely at small rBC mass or low laser intensities, particles fail to heat to vaporization, a requirement for proper detection. In this study, the SP2's ability to correctly detect and count individual flame-generated soot particles was measured at different laser intensities for different rBC particle masses. The flame-generated soot aerosol used for testing was optionally prepared with coatings of organic and non-organic material and/or thermally denuded. These data are used to identify a minimum laser intensity for accurate detection at sea level of total rBC mass in the accumulation mode (300 nW/(220-nm PSL)), a minimum rBC mass (∼ 0.7-fg rBC-mass corresponding to 90 nm volume-equivalent diameter) for near-unity number detection efficiency with a typical operating laser intensity (450 nW/(220-nm PSL)), and a methodology using observed color temperature to recognize laser intensity insufficient for accurate rBC mass detection. Additionally, methods for measurement of laser intensity using either laboratory or ambient aerosol are presented.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 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) | 0,000 | 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 découle