Incremental sampling methodology for petroleum hydrocarbon contaminated soils: volume estimates and remediation strategies
Notice bibliographique
Résumé
Current environmental assessments for petroleum hydrocarbon (PHC) contaminated sites are dependent on discrete soil sampling to estimate the degree and extent of contamination, leading to unreliable and non-reproducible results. Incremental sampling methodology (ISM) involves collecting and combining samples within a targeted area and holds promise for being a cost-effective, representative, and reproducible sampling strategy for contaminated site characterization. We hypothesized that traditional Phase II Environmental Site Assessments (ESA) discrete and ISM sampling protocols were not mutually exclusive, and the two approaches can be used to formulate a responsible land management strategy. Results gathered through ISM were compared to those from Phase II ESA for two PHC contaminated sites in Canada. Both methods indicated the sites were impacted with PHC beyond Saskatchewan Tier I guidance, however, the delineation of the PHC plume differed by as much as 75% for the heavier hydrocarbons. The Phase II ESA methods had higher incidences of false positive results and an overestimation of contamination at depth. A laboratory experiment confirmed that ISM does not “dilute” the samples as to cause underestimation, whereby the hydrocarbon concentrations for a single combined sample was equivalent to the mean of 30 discrete samples. Based on our results, sites should undergo risk assessment based on the estimates of the Phase II ESA results using vapor phase logs to estimate contaminant extent. If exposure pathways cannot be eliminated through the risk assessment process, remediation planning based on the ISM results is justified given the demonstrated cost-effectiveness, representativeness, and reproducibility.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».