Nontargeted Analysis of a Non-Aqueous-Phase Liquid From a Chemical Manufacturing Site Using Nuclear Magnetic Resonance Spectroscopy
Notice bibliographique
Résumé
Non-aqueous-phase liquids (NAPLs), composed primarily of organic solvents and other immiscible liquids, can be found in the subsurface at many industrial sites. The chemical composition of NAPLs is often complex and, in many instances, difficult to fully characterize using conventional analytical techniques based on targeted compound analysis. Incomplete characterization of NAPLs leaves gaps in the understanding of the chemical profile at an impacted site. Previous work has shown that nuclear magnetic resonance (NMR) spectroscopy may be able to assist in the improved characterization of complex NAPL samples. In general, NMR spectroscopy provides an unbiased approach for the analysis of organic compounds because different classes of compounds are all treated and analyzed using the same methods. In addition, NMR spectroscopy provides unique structural information that can be used to elucidate unknowns. The present study describes the use of NMR spectroscopy as a nontargeted tool to characterize the composition of NAPLs collected from an impacted site. It is shown that NMR spectroscopy can be a complementary tool to be used in site assessments to help provide improved understanding of NAPL chemistry, leading to the development of improved conceptual site models and improved strategies for remedial and managerial activities at impacted sites. Environ Toxicol Chem 2019;00:1-9. © 2019 SETAC.
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 | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».