MétaCan
Menu
Retour à la cohorte
Enregistrement W4283216709 · doi:10.1089/ees.2021.0259

Vehicle Underway Mobile Monitoring of Volatile Organic Compounds Using Online Mass Spectrometry: Application in an Industrial Park

2022· article· en· W4283216709 sur OpenAlexaff
Zebin Mai, Riwei Wu, Wei Gao, Mei Li, Hongzhi Niu, Zhengxu Huang, Min Liu, Guobin Tan

Notice bibliographique

RevueEnvironmental Engineering Science · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensIONICS Mass Spectrometry (Canada)
Organismes subventionnairesnon disponible
Mots-clésPollutionEnvironmental scienceIndustrial parkPollution preventionAir pollutionEnvironmental chemistryScale (ratio)Environmental engineeringWaste managementChemistryEngineeringGeographyCartography

Résumé

récupéré en direct d'OpenAlex

The environmental problem of volatile organic compounds (VOCs) pollution in industrial parks is becoming increasingly serious. Rapid and large-scale monitoring of the overall pollution in the area and identification of pollution sources are keys to efficient pollution control. However, traditional detection methods cannot achieve rapid detection, let alone accurately pinpoint the source of pollution. In this study, an online VOC mobile monitoring system based on time-of-flight mass spectrometry was used to monitor an industrial park and successfully obtain the VOC distribution image of the industrial park. Two polluted areas (A and B) were pinpointed by examining the image, and the ΣVOCs concentration ranges were 74–421 μg/m3 and 51–577 μg/m3. Eight abnormal sites with concentration peaks exceeding the standard were found, and the pollution source of one abnormal site was analyzed. The correlation between the pollution source factor of the abnormal site and the emission enterprise was as high as 0.91, and the pollution source of the abnormal site was identified. To explore whether it was affected by other surrounding enterprises, a positive matrix factorization model was further used to analyze the receptor data of abnormal site. Three pollution sources were analyzed and compared with enterprise emission sources. Combined with the location of the abnormal site and emission sources, we found that the abnormal sites were not only affected by the emission sources of surrounding enterprises but also by the emission sources of enterprises in the northeast. This approach offers rapid and large-scale monitoring of the overall pollution in an area and quickly pinpointed the location of the pollution sources. This method solves the shortcomings of traditional methods that cannot identify the location of pollution source and provides an effective technical means for the rapid detection of the pollution distribution in industrial parks for efficient screening of pollution sources.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,013
Tête enseignante GPT0,203
Écart entre enseignants0,190 · 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'étudeObservationnel
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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Engineering ScienceMême sujetAtmospheric chemistry and aerosolsTravaux en français237 207