MétaCan
Menu
Retour à la cohorte
Enregistrement W6945160445 · doi:10.24451/arbor.14474

Performance of open-path GasFinder3 devices for CH<sub>4</sub> concentration measurements close to ambient levels

2021· article· en· W6945160445 sur OpenAlexaboutno aff

Notice bibliographique

RevueBFH: ARBOR · 2021
Typearticle
Langueen
DomaineChemistry
ThématiqueSpectroscopy and Laser Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDispersion (optics)Measurement uncertaintyLaserAccuracy and precisionObservational errorLinear regressionMeasurement deviceCascadeSystematic error

Résumé

récupéré en direct d'OpenAlex

Open-path measurements of methane (CH4) with the use of GasFinder systems (Boreal Laser Inc, Edmonton Canada) have been frequently used for emission estimation with the inverse dispersion method (IDM), particularly from agricultural sources. It is common to many IDM applications that the concentration enhancement related to CH4 sources is small, typically between 0.05 and 0.5 ppm, and accurate measurements of CH4 concentrations are needed at concentrations close to ambient levels. The GasFinder3-OP (GF3) device for open-path CH4 measurements is the latest version of the commercial GasFinder systems by Boreal Laser Inc. We investigated the uncertainty of six GF3 devices from side-by-side intercomparison measurements and comparisons to a closed-path quantum cascade laser device. The comparisons were made at near-ambient levels of CH4 (85 % of measurements below 2.5 ppm) with occasional phases of elevated concentrations (max. 8.3 ppm). Relative biases as high as 8.3 % were found, and a precision for half-hourly data between 2.1 and 10.6 ppm-m (half width of the 95 % confidence interval) was estimated. These results deviate from the respective manufacturer specifications of 2 % and 0.5 ppm-m. Intercalibration of the GF3 devices by linear regression to remove measurement bias was shown to be of limited value due to drifts and step changes in the recorded GF3 concentrations.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,005
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0030,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,048
Tête enseignante GPT0,306
Écart entre enseignants0,258 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBFH: ARBORMême sujetSpectroscopy and Laser ApplicationsTravaux en français237 207