The effects of meteorological parameters and diffusive barrier reuse on the sampling rate of a passive air sampler for gaseous mercury
Notice bibliographique
Résumé
Abstract. Passive air sampling of gaseous mercury (Hg) requires a high level of accuracy to discriminate small differences in atmospheric concentrations. Meteorological parameters have the potential to decrease this accuracy by impacting the sampling rate (SR), i.e., the volume of air that is effectively stripped of gaseous mercury per unit of time. We measured the SR of a recently calibrated passive air sampler for gaseous Hg in the laboratory under varying wind speeds (wind still to 6 m s−1), temperatures (−15 to +35 °C), and relative humidities (44 to 80 %). While relative humidity has no impact on SR, SR increases slightly with both wind speed (0.003 m3 day−1 increase in SR or 2.5 % of the previously calibrated SR for every m s−1 increase for wind speeds > 1 m s−1, typical of outdoor deployments) and temperature (0.001 m3 day−1 increase in SR or 0.7 % for every 1 °C increase). The temperature dependence can be fully explained by the effect of temperature on the molecular diffusivity of gaseous mercury in air. Although these effects are relatively small, accuracy can be improved by adjusting SRs using measured or estimated temperature and wind speed data at or near sampling sites. We also assessed the possibility of reusing Radiello® diffusive barriers previously used in the passive air samplers. The mean rate of gaseous Hg uptake was not significantly different between new and previously used diffusive barriers in both lab and outdoor deployments, irrespective of the applied cleaning procedure. No memory effect from Radiellos® previously deployed in a high Hg atmosphere was observed. However, a loss in replicate precision for the dirtiest Radiellos® in the indoor experiment suggests that cleaning is advisable prior to reuse.
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 | 0,005 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».