MétaCan
Menu
Retour à la cohorte
Enregistrement W3045805669 · doi:10.1021/acs.est.0c02251

Isotopic Characterization of Atmospheric Gaseous Elemental Mercury by Passive Air Sampling

2020· article· en· W3045805669 sur OpenAlexafffund
Natalie Szponar, David S. McLagan, Robert J. Kaplan, Carl P. J. Mitchell, Frank Wania, A. Steffen, Geoff W. Stupple, Fabrizio Monaci, Bridget A. Bergquist

Notice bibliographique

RevueEnvironmental Science & Technology · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensThe Scarborough HospitalEnvironment and Climate Change CanadaUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMinistère de l’Environnement, de la Protection de la nature et des Parcs
Mots-clésMercury (programming language)Environmental chemistryChemistrySorptionFractionationEnvironmental scienceIsotopeSampling (signal processing)Mass-independent fractionationSorbentAnalytical Chemistry (journal)MineralogyIsotope fractionationAdsorptionChromatography

Résumé

récupéré en direct d'OpenAlex

Tracing emission sources and transformations of atmospheric mercury with Hg stable isotopes depends on the ability to collect amounts sufficient for reliable quantification. Commonly employed active sampling methods require power and long pumping times, which limits the ability to deploy in remote locations and at high spatial resolution and can lead to compromised traps. In order to overcome these limitations, we conducted field and laboratory experiments to assess the preservation of isotopic composition during sampling of gaseous elemental mercury (GEM) with a passive air sampler (PAS) that uses a sulfur-impregnated carbon sorbent and a diffusive barrier. Whereas no mass independent fractionation (MIF) was observed during sampling, the mass dependent fractionation (MDF, δ 202 Hg) of GEM taken up by the PAS was lower than that of actively pumped samples by 1.14 ± 0.24‰ (2SD). Because the MDF offset was consistent across field studies and laboratory experiments conducted at 5, 20, and 30 °C, the PAS can be used for reliable isotopic characterization of GEM (±0.3‰ for MDF, ±0.05‰ for MIF, 2SD). The MDF offset occurred more during the sorption of GEM rather than during diffusion. PAS field deployments confirm the ability to record differences in the isotopic composition of GEM (i) with distance from point sources and (ii) sampled at different background locations globally.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,222
Écart entre enseignants0,214 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations43
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetMercury impact and mitigation studiesTravaux en français237 207