Standoff sensing of bioaerosols using intensified range-gated spectral analysis of laser-induced fluorescence
Notice bibliographique
Résumé
In atmospheric sensing, one application that has demonstrated several impressive successes over the last two decades is the light detection and ranging (LIDAR). Elastic LIDAR has shown an important capability in providing aerosol density and spatial distribution from a standoff position. However, it provides limited information on the material composition of the aerosol component. On the other hand, inelastic LIDARs (including laser-induced fluorescence and Raman LIDARs) measure the spectrally distributed returned signal that may contain important clues about the nature of the scatterers. In order to investigate the capability of these LIDARs in characterizing bioaerosols from a standoff position, Defence Research & Development Canada initiated a three-year program in spring 1999, named SINBAHD (Standoff Integrated Bioaerosol Active Hyperspectral Detection). The aim of the program was to investigate the sensitivity and discrimination capabilities of an inelastic LIDAR based on the intensified range-gated spectral detection of laser-induced fluorescence. An exploratory prototype based on this technique has shown sensitivity of a few living bioaerosol particles per liter of air for a range of 1.4 km at night. Furthermore, based on spectral signatures measured during open-air releases, good discrimination capabilities were obtained between Bacillius subtilis var globiggi (BG) and Erwinia herbicola (EH). These results agree well with a performance model using Raman returns from atmospheric nitrogen as a calibration tool.
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 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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».