A Model Using Local Weather Data to Determine the Effective Sampling Volume for PCB Congeners Collected on Passive Air Samplers
Notice bibliographique
Résumé
We have developed and evaluated a mathematical model to determine the effective sampling volumes (Veff) of PCBs and similar compounds captured using polyurethane foam passive air samplers (PUF-PAS). We account for the variability in wind speed, air temperature, and equilibrium partitioning over the course of the deployment of the samplers. The model, provided as an annotated Matlab script, predicts the Veff as a function of physical-chemical properties of each compound and meteorology from the closest Integrated Surface Database (ISD) data set obtained through NOAA's National Centers for Environmental Information (NCEI). The model was developed to be user-friendly, only requiring basic Matlab knowledge. To illustrate the effectiveness of the model, we evaluated three independent data sets of airborne PCBs simultaneously collected using passive and active samplers: at sites in Chicago, Lancaster, UK, and Toronto, Canada. The model provides Veff values comparable to those using depuration compounds and calibration against active samplers, yielding an average congener specific concentration method ratio (active/passive) of 1.1 ± 1.2. We applied the model to PUF-PAS samples collected in Chicago and show that previous methods can underestimate concentrations of PCBs by up to 40%, especially for long deployments, deployments conducted under warming conditions, and compounds with log Koa values less than 8.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| 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 ».