MétaCan
Menu
← Retour à la cohorte
Enregistrement W2321139517 · doi:10.1021/es400817c

Modeling Water Column Partitioning of Polychlorinated Biphenyls to Natural Organic Matter and Black Carbon

2013· article· en· W2321139517 sur OpenAlexaff
Richard W. Greene, Dominic M. Di Toro, Kevin J. Farley, Kathy L. Phillips, Cynthia Tomey

Notice bibliographique

RevueEnvironmental Science & Technology · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueToxic Organic Pollutants Impact
Établissements canadiensAXYS Technologies (Canada)
Organismes subventionnairesnon disponible
Mots-clésPartition coefficientDissolved organic carbonChemistryParticulatesPolychlorinated biphenylWater columnEnvironmental chemistryTotal organic carbonTributaryCorrelation coefficientDetection limitAnalytical Chemistry (journal)ChromatographyGeologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

High volume in situ surface water samples were collected from a tidal tributary of the Delaware Estuary using an Infiltrex sampling system equipped with a 1 μm particle filter and a XAD-2 resin column. Particulate and dissolved phase polychlorinated biphenyl (PCB) congeners were analyzed using high resolution gas chromatography/high resolution mass spectrometry to obtain detection levels in the femtograms per liter range. The data were fit to a four-phase equilibrium partitioning model including freely dissolved PCB, PCB bound to particulate organic carbon (POC), PCB bound to dissolved organic carbon (DOC), and PCB bound to black carbon (BC). Isotherms were assumed to be linear for POC and DOC and nonlinear for BC. The partition coefficient between BC and dissolved PCB was assumed to depend on the dihedral angle between the phenyl rings. Following parameter optimization, the correlation coefficient between the log of the modeled and measured apparent distribution coefficient Kp,app was 0.94, and the RMSE was 0.189 log units. Including BC in the model reduces the dissolved PCB phase concentration in the water column for all congeners, especially for the non-ortho and mono-ortho substituted congeners.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,158
Score d'incertitude au seuil0,314

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,004
Tête enseignante GPT0,187
Écart entre enseignants0,184 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & Technology→Même sujetToxic Organic Pollutants Impact→Travaux en français237 207→