MétaCan
Menu
Retour à la cohorte
Enregistrement W2208909590 · doi:10.1021/acs.estlett.5b00319

A High-Precision Passive Air Sampler for Gaseous Mercury

2015· article· en· W2208909590 sur OpenAlexafffund
David S. McLagan, Carl P. J. Mitchell, Haiyong Huang, Ying Duan Lei, Amanda Cole, A. Steffen, Hayley Hung, Frank Wania

Notice bibliographique

RevueEnvironmental Science & Technology Letters · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensThe Scarborough HospitalEnvironment and Climate Change CanadaUniversity of Toronto
Organismes subventionnairesEnvironment CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésMercury (programming language)Environmental scienceReplicateSampling (signal processing)Environmental chemistryElemental mercuryIndoor airSorbentAtmospheric sciencesMeteorologyChemistryEnvironmental engineeringGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Passive air samplers (PASs) provide an opportunity to improve the spatial range and resolution of gaseous mercury (Hg) measurements. Here, we propose a sampler design that combines a sulfur-impregnated activated carbon sorbent, a Radiello diffusive barrier, and a protective shield for outdoor deployments. The amount of gaseous Hg taken up by the sampler increased linearly with time for both an 11-week indoor (r2 = 0.990) and 12-month outdoor (r2 = 0.996) deployment, yielding sampling rates of 0.158 ± 0.008 m3 day–1 indoors and 0.121 ± 0.005 m3 day–1 outdoors. These sampling rates are close to modeled estimates of 0.166 m3 day–1 indoors and 0.129 m3 day–1 outdoors. Replicate precision is better than for all previous PASs for gaseous Hg, especially during outdoor deployments (2 ± 1.3%). Such precision is essential for discriminating the relatively small concentration variations occurring at background sites. Deployment times for obtaining reliable time-averaged atmospheric gaseous Hg concentrations range from a week to at least one year.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,014
Tête enseignante GPT0,245
Écart entre enseignants0,231 · 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'étudeExpérimental (laboratoire)
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

Citations83
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & Technology LettersMême sujetMercury impact and mitigation studiesTravaux en français237 207