Split Point Analysis and Uncertainty Quantification of Thermal-Optical Organic/Elemental Carbon Measurements
Notice bibliographique
Résumé
Researchers from myriad fields frequently seek to quantify and classify concentrations of carbonaceous aerosols as organic carbon (OC) or elemental carbon (EC). This is commonly accomplished using thermal-optical OC/EC analyzers (TOAs), which enable measurement via controlled thermal pyrolysis and oxidation under specific temperature protocols and within constrained atmospheres. Several commercial TOAs exist, including a semi-continuous instrument that enables on-line analyses in the field. This instrument employs an in-test calibration procedure that requires relatively frequent calibration. This article details a calibration protocol for this semi-continuous TOA and presents an open-source software tool for data analysis and rigorous Monte Carlo quantification of uncertainties. Notably, the software tool includes novel means to correct for instrument drift and identify and quantify the uncertainty in the OC/EC split point. This is a significant improvement on the uncertainty estimation in the manufacturer's software, which ignores split point uncertainty and otherwise uses fixed equations for relative and absolute errors (generally leading to under-estimated uncertainties and often yielding non-physical results as demonstrated in several example data sets). The demonstrated calibration protocol and new software tool enabling accurate quantification of combined uncertainties from calibration, repeatability, and OC/EC split point are shared with the intent of assisting other researchers in achieving better measurements of OC, EC, and total carbon mass in aerosol samples.
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) | 0,001 | 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 ».