Development of Microplastic Identification using Raman Microspectrophotometry
Notice bibliographique
Résumé
Microplastics are microscopic particles that range from 0.1µm - 5mm that originate from a variety of sources such as larger plastics that degrade into smaller pieces, microbeads from beauty products, and the fibers from clothes that come off when washing them. Most microplastics end up in the oceans and freshwaters and has the possibility of persisting and affecting the aquatic ecosystem globally. Due to their minute size and unknown or altered composition, microplastics have been difficult to study and there is still no general method to determine their chemical identity. The most common technique involves the visual identification of the microplastics by microscopy. This technique can sometimes lead to misidentification due to the altered composition of the microplastic or the difficulty in differentiating plastics from natural particles. In this study, further verification of the microplastic composition is done using Raman Microspectrophotometry, which allows a direct measurement on the microplastic particles, to further identify their chemical composition and differentiate them from other organic or natural particles. Different variables on the Raman Microspectrophotometry such as laser power, laser wavelength, spectral integration time, and the number of co-additions are optimized to provide the best spectra for microplastic identification. This approach can help identify and quantify the microplastics present in the environment and will be applied to the samples from the North Saskatchewan River and the Arctic. Discipline: Chemistry Faculty Mentor: Dr. Matthew Ross
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».