MétaCan
Menu
Retour à la cohorte
Enregistrement W2131540766 · doi:10.5539/ep.v2n4p10

Characteristics of Atmospheric Particulate Matter and Metals in Industrial Sites in Korea

2013· article· en· W2131540766 sur OpenAlexvenueno aff
Rupak Aryal, Aeri Kim, Byeong–Kyu Lee, Mohammad Kamruzzaman, Simon Beecham

Notice bibliographique

RevueEnvironment and Pollution · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésParticulatesFerrousEnvironmental chemistryEnvironmental scienceRefineryHeavy metalsFractionationParticle sizePetrochemicalPollutionAir pollutionFraction (chemistry)Particle-size distributionMetallurgyEnvironmental engineeringChemistryMaterials scienceChromatography

Résumé

récupéré en direct d'OpenAlex

The distribution of metals in atmospheric particulates less than 10 µm was studied at a petrochemical refinery site and at a non-ferrous heavy metals industrial site in the city of Ulsan, South Korea in both the summer and fall seasons. The samples were collected with a high volume sampling system equipped with a 9 stage cascade impactor, which effectively separated the particulate matter into 9 size ranges. Total PM10 was 59 ± 14 µg/m3 in summer and 56 ± 18 µg/m3 in fall at the petrochemical site whereas it was 52 ± 14 µg/m3 in summer and 88 ± 36µg/m3 in fall at the non-ferrous heavy metals site. The particle size fractionation in less than 10 µm showed a typical bimodal distribution, with one peak corresponding to the particle size range of 1.1-4.7 µm and the other to the range of 4.7-10 µm. Five heavy metals (Ni, Cu, Zn, Pb, and Cd) were measured in the composite mixture of particulates (0.1-1.1, 1.1-4.7 and 4.7-10 µm). The heavy metals concentrations were found to be higher in the 1.1-4.7 µm fraction followed by 4.7-10 and 0.1-1.1 µm. Among the metals Pb showed particle size dependent whereas Zn was homogeneously mixed in all sizes. The obtained data are important for an estimation of level pollution with heavy metals in industrial sites.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,029
Tête enseignante GPT0,240
Écart entre enseignants0,211 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations18
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and PollutionMême sujetAir Quality and Health ImpactsTravaux en français237 207