Estimation of Uncertainty in Air–Water Exchange Flux and Gross Volatilization Loss of PCBs: A Case Study Based on Passive Sampling in the Lower Great Lakes
Notice bibliographique
Résumé
Compared with dry and wet deposition fluxes, air–water exchange flux cannot be directly measured experimentally. Its model-based calculation contains considerable uncertainty because of the uncertainties in input parameters. To capture the inherent variability of air–water exchange flux of PCBs across the lower Great Lakes and to calculate their annual gross volatilization loss, 57 pairs of air and water samples from 19 sites across Lakes Erie and Ontario were collected using passive sampling technology during 2011–2012. Error propagation analysis and Monte Carlo simulation were applied to estimate uncertainty in the air–water exchange fluxes. Results from both methods were similar, but error propagation analysis estimated a smaller uncertainty than Monte Carlo simulation in cases of net deposition. Maximum likelihood estimations (MLE) of wind speed and air temperature were recommended to quantify the site-specific air–water exchange flux. An assumed 30–40% of relative uncertainty in overall air–water mass transfer velocity was confirmed. MLEs of volatilization fluxes of total PCBs across Lakes Erie and Ontario were 0.78 and 0.53 ng m –2 day –1, respectively, and gross volatilization losses of total PCBs over the whole lakes were 74 kg year –1 for Lake Erie and 63 kg year –1 for Lake Ontario. Mass balance analysis across Lake Ontario indicated that volatilization was the uppermost loss process of aqueous PCBs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».