Polycyclic aromatic compounds (PACs) in the Canadian environment: A review of sampling techniques, strategies and instrumentation
Notice bibliographique
Résumé
A wide variety of sampling techniques and strategies are needed to analyze polycyclic aromatic compounds (PACs) and interpret their distributions in various environmental media (i.e., air, water, snow, soils, sediments, peat and biological material). In this review, we provide a summary of commonly employed sampling methods and strategies, as well as a discussion of routine and innovative approaches used to quantify and characterize PACs in frequently targeted environmental samples, with specific examples and applications in Canadian investigations. The pros and cons of different analytical techniques, including gas chromatography – flame ionization detection (GC-FID), GC low-resolution mass spectrometry (GC-LRMS), high performance liquid chromatography (HPLC) with ultraviolet, fluorescence or MS detection, GC high-resolution MS (GC-HRMS) and compound-specific stable (δ13C, δ2H) and radiocarbon (Δ14C) isotope analysis are considered. Using as an example research carried out in Canada’s Athabasca oil sands region (AOSR), where alkylated polycyclic aromatic hydrocarbons and sulfur-containing dibenzothiophenes are frequently targeted, the need to move beyond the standard list of sixteen EPA priority PAHs and for adoption of an AOSR bitumen PAC reference standard are highlighted.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».