Quantitative passive soil vapor sampling for VOCs- part 3: field experiments
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
Volatile organic compounds (VOCs) are commonly associated with contaminated land and may pose a risk to human health via subsurface vapor intrusion to indoor air. Soil vapor sampling is commonly used to assess the nature and extent of VOC contamination, but can be complicated because of the wide range of geologic material permeability and moisture content conditions that might be encountered, the wide variety of available sampling and analysis methods, and several potential causes of bias and variability, including leaks of atmospheric air, adsorption-desorption interactions, inconsistent sampling protocols and varying levels of experience among sampling personnel. Passive sampling onto adsorbent materials has been available as an alternative to conventional whole-gas sample collection for decades, but relationships between the mass sorbed with time and the soil vapor concentration have not been quantitatively established and the relative merits of various commercially available passive samplers for soil vapor concentration measurement is unknown. This paper presents the results of field experiments using several different passive samplers under a wide range of conditions. The results show that properly designed and deployed quantitative passive soil vapor samplers can be used to measure soil vapor concentrations with accuracy and precision comparable to conventional active soil vapor sampling (relative concentrations within a factor of 2 and RSD comparable to active sampling) where the uptake rate is low enough to minimize starvation and the exposure duration is not excessive for weakly retained compounds.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 découle