MétaCan
Menu
Retour à la cohorte
Enregistrement W2078672105 · doi:10.1021/es0498540

Comparison between Back-Trajectory Based Modeling and Lagrangian Backward Dispersion Modeling for Locating Sources of Reactive Gaseous Mercury

2005· article· en· W2078672105 sur OpenAlexaboutno aff
Young-Ji Han, Thomas M. Holsen, Philip K. Hopke, Seung‐Muk Yi

Notice bibliographique

RevueEnvironmental Science & Technology · 2005
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensnon disponible
Organismes subventionnairesState University of New York OswegoState University of New York FredoniaNational Oceanic and Atmospheric AdministrationGeorgia Institute of TechnologyNew York State Energy Research and Development Authority
Mots-clésMercury (programming language)Dispersion (optics)Environmental scienceAtmospheric dispersion modelingLagrangianDeposition (geology)Environmental chemistryAtmospheric sciencesEnvironmental engineeringChemistryMeteorologyMineralogyMathematicsAir pollutionGeologyGeographyStructural basinPhysicsApplied mathematicsComputer scienceGeomorphology

Résumé

récupéré en direct d'OpenAlex

Reactive gaseous mercury (RGM) was measured using an annular denuder coated with potassium chloride at three rural sites (Potsdam, Stockton, and Sterling) in New York State from April 2002 to April 2003. Concentrations of RGM ranged from 0.1 to 84.6 pg m(-3) with large spatial and temporal variation. Potential source contribution function (PSCF), a common receptor modeling tool, was used with these measurements, and source-receptor relationships were calculated using back-dispersion and deposition as well as back-trajectories. Modeling results were compared with the RGM emissions inventory, and Spearman rank-order correlation coefficients were calculated. PSCF results incorporating backward dispersion and deposition were better correlated with the emissions inventory than PSCF based on back-trajectories alone. This difference was determined to be mainly due to the inclusion of dispersion rather than deposition. The main sources of RGM were suggested to be coal-fired power plants in New York and Pennsylvania, the large copper smelter in Quebec, and the taconite mining areas around the Great Lakes.

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)0,000
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,627
Score d'incertitude au seuil0,774

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,023
Tête enseignante GPT0,275
Écart entre enseignants0,251 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations83
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetMercury impact and mitigation studiesTravaux en français237 207