UV LED based gas correlation spectrometer of aromatics for the standoff detection of industrials spills and emissions
Notice bibliographique
Résumé
Although there is a well-developed commercial offering for the detection of gaseous emissions in natural gas infrastructures, the same does not exist in the transport or transformation of liquid petroleum products. In the case of aromatics, UV DOAS using lamps and retroreflectors are amongst the only choices, along with UV-DIAL. But these are limited in sensitivity and depend on long absorption paths or are very complex. There are also large airborne lidars for the detection of liquid hydrocarbon spills on water or land that rely on UV induced fluorescence (LIF). But there is a lack of simple techniques for the remote detection of vapor plumes or spills involving liquid petroleum products. There have been proposals for the use of UV enhanced Raman for the detection of vapor plumes, but these require large laser powers and detection optics for poor sensitivity. On the other hand, recent developments in UV LEDs allows for simple techniques in the detection of aromatics, benzene and toluene in particular. These are found in most liquid petroleum products. Using these new commercially available UV LEDs and a gas correlation spectrometer set-up, benzene vapor is measured using the electronic transition at 258.9 nm and at other deep UV wavelengths. It is shown that while there is significant fluorescence in liquid benzene, oxygen in air severely quenches the fluorescence of the vapor phase benzene, rendering fluorescence unusable for the standoff detection of the vapor phase. Various implementations of standoff benzene/toluene detection using UV LEDs and gas correlation are discussed, along with pros and cons of the technique.
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 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».