Effect of environmental conditions on the spectroscopic signature of DNT in sand
Notice bibliographique
Résumé
Landmines have been a part of war technology for many years. As a result of the continued and indiscriminate use in approximately 90 countries landmines pose a severe and ever growing problem and a daily risk. Raman Spectroscopy is capable of providing rich information about the molecular structure of the sample and pinpoint detection of many chemicals, both of organic and inorganic nature. The presence of landmines in soils can be detected by Raman Spectroscopy sensing in a Point Detection modality, using characteristic vibrational signals of each explosive present in landmines. Detection of 2,4-DNT in sand and studies on how the vibrational signatures of 2,4-DNT is modified by interacting with soil particles and environmental conditions is reported. Raman Microspectrometers equipped with 514 nm and 785 nm laser excitation lines were used. The work focused in how the spectroscopic signatures of DNT in contact with Ottawa Sand are affected by the presence of humidity, pH, temperature, UV light and reaction times. Samples of mixtures of sand/2,4-DNT were analyzed by Raman Spectroscopy at 10, 50 and 100% water content and temperatures in range of 40-80 °C. Mixtures were also analyzed at different pH: 4, 7 and 10 and under ultraviolet light at 254 nm. Raman spectra were taken as a function of time in an interval from 24 to 336 hours (two weeks). Characteristic signals of 2,4-DNT were analyzed in different ranges 100-3800 cm-1, 600-1200 cm-1, 300-1700 cm-1 and 2800-3500 cm-1. The effect of these variables was measured during 45 consecutive days. It was confirmed that the decrease of characteristic vibrational signatures of 2,4-DNT can be attributed to increase of the degradation of 2,4-DNT by the simulated environmental conditions. Spectroscopic characterization of degradation products, both in contact with sand as well as airborne is under way. These results will make possible the development of highly sensitive sensors for detection of explosives materials and correlated with their degradation products in landmines.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».