Quantitative passive soil vapor sampling for VOCs- part 2: laboratory 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
Controlled laboratory experiments were conducted to demonstrate the use of passive samplers for soil vapor concentration monitoring. Five different passive samplers were studied (Radiello, SKC Ultra, Waterloo Membrane Sampler, ATD tubes and 3M OVM 3500). Ten different volatile organic compounds were used of varying classes (chlorinated ethanes, ethanes, and methanes, aliphatics and aromatics) and physical properties (vapor pressure, solubility and sorption). Samplers were exposed in randomized triplicates to concentrations of 1, 10 and 100 ppmv, with a relative humidity of ∼80%, a temperature of ∼24 °C, and a duration of 30 minutes in a chamber with a face velocity of about 5 cm min(-1). Passive samplers are more commonly used for longer sample durations (e.g., 8 hour workday) and higher face velocities (>600 cm min(-1)), so testing to verify the performance for these conditions was needed. Summa canister samples were collected and analyzed by EPA Method TO-15 to establish a baseline for comparison for all the passive samplers. Low-uptake rate varieties of four of the samplers were also tested at 10 ppmv under two conditions; with 5 cm min(-1) face velocity and stagnant conditions to assess whether low or near-zero face velocities would result in a low bias from the starvation effect. The results indicate that passive samplers can provide concentration measurements with accuracy (mostly within a factor of 2) and precision (RSD < 15%) comparable to conventional Summa canister samples and EPA Method TO-15 analysis. Some compounds are challenging for some passive samplers because of uncertainties in the uptake rates, or challenges with retention or recovery.
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 | 0,000 |
| 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 | 0,001 | 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