Characterization of tire and road wear particles in experimental biota samples
Notice bibliographique
Résumé
There is a growing interest in the development of reliable analytical methods for characterizing tire and road wear particles (TRWP). The current research extends the use of single particle analysis techniques to various experimental biota samples. TRWP and cryogenically milled tire tread (CMTT) were identified using a weight of evidence framework including density separation, optical microscopy, and chemical mapping (scanning electron microscopy coupled with energy dispersive X-ray spectroscopy). Our techniques successfully identified CMTT particles in laboratory earthworms exposed to soil spiked with CMTT. A river biota sample (bivalves) collected from the Seine with no detectable TRWP was spiked with road dust containing TRWP. Particle identification was performed after a biota digestion protocol and density separation of particles > 1.5 g/cm 3 and < 2.2 g/cm 3 which resulted in sufficient TRWP for identification and characterization. The average TRWP particle size from the road dust spiked biota sample was 126 μm by number and 220 μm by volume (range: 9 –572 μm). The size distribution overlay of TRWP identified from spiked biota were consistent with TRWP identified from the original road dust sample suggesting that the current method for biota digestion, dual density separation, and TRWP characterization is feasible for similar 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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».