Performance and Uncertainty in Measuring Atmospheric Plume Opacity Using Compact and Smartphone Digital Still Cameras
Notice bibliographique
Résumé
Quantification of visible ambient plume opacity measurements using compact and smartphone digital still cameras (DSCs), and Digital Optical Method (DOM) are evaluated here. A new camera calibration method that employs exposure value compensation in place of exposure time or radiance of a surface is described and evaluated. This new and simpler method allows an automatic exposure controlled DSC to be calibrated using its own DSC settings. We also test the use of color in place of grayscale pixel values (PVs) to measure opacity. Finally, we determine the uncertainty of the opacity measurements. Two compact DSCs and two smartphone DSCs are tested to measure plume opacity values of smoke generated with an outdoor smoke generator, in comparison to the plume opacity values measured with an in-stack transmissometer. Results show that: 1) smartphone DSCs, like compact DSCs, can pass opacity measurement requirements set by USEPA; 2) the new simpler calibration method generates values within 5% in opacity on average compared to opacity values from the reference transmissometer; 3) non-uniform background color dominates the uncertainty of opacity measurements, and such uncertainty is wavelength dependent; and 4) the diffusive scattering parameter, used in DOM’s transmission model, is lower for black plumes than white plumes, and is wavelength dependent. These results improve our understanding of using DSCs and the parameters that introduce uncertainty to DOM to improve measurements of plume opacity that can improve protection of human health.
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 | 0,003 | 0,000 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 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 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 ».